人脸识别 | 结构化低秩字典学习的人脸识别

会员服务 ·

人脸识别 | 结构化低秩字典学习的人脸识别

2018 年 9 月 11 日 中国图象图形学报

引用格式

李开宇, 胡燕, 崔益峰, 王平, 徐贵力. 结构化低秩字典学习的人脸识别[J]. 中国图象图形学报, 2018, 23(8): 1154-1162.

DOI: 10.11834/jig.170506

原文链接

http://www.cjig.cn/html/jig/2018/8/weixin/20180805.htm

文后有彩蛋↓↓↓

人脸图像处理及识别的字典学习方法集锦

导语

人脸识别作为一种基于人的脸部特征信息进行身份识别的生物识别技术已取得显著的成果，并逐渐走向实用化。针对人脸图像受到光照、遮挡等环境因素而影响到人脸识别准确性的问题，对目前已应用的多种识别算法进行了分析，为后续研究工作提供了基础。

本文亮点

1. 字典学习过程中，加入了标签信息，同时利用样本的重建误差约束样本与字典之间的关系。

2. 由于训练样本中的噪声信息会影响字典的识别力，所以在低秩矩阵恢复理论的基础上将低秩正则化应用到字典学习过程中。

3. 在字典学习过程中加入了结构化稀疏使其不丢失结构信息.

本文方法

本文算法基于训练样本的标签信息将低秩正则化以及结构化稀疏同时引入到学习的具有识别力的字典上。

在字典学习过程中，首先利用样本的重建误差约束样本与字典之间的关系；其次将Fisher准则应用到稀疏编码过程中，使其编码系数具有识别能力；由于训练样本中的噪声信息会影响字典的识别力，所以在低秩矩阵恢复理论的基础上将低秩正则化应用到字典学习过程中；接着，在字典学习过程中加入了结构化稀疏使其不丢失结构信息以保证对样本进行最优分类；最后再利用误差重构法对测试样本进行分类识别。

本文结果

本文算法在AR以及ORL人脸数据库上分别进行了实验仿真。

图1 AR数据库中的部分测试图像

对比SRC算法与DKSVD算法的识别率可知，DKSVD算法通过字典学习减缓了训练样本中的不确定因素对识别结果的影响。

对比DLRD_SR算法与FDDL算法的识别率可知，当图像有遮挡等噪声信息存在时，字典低秩化可以提高至少5.8%的识别率。

对比本文算法与DLRD_SR算法可知，在字典学习的过程中加入Fisher准则后识别率显著提高，同时理想稀疏值能保证对样本进行最优的分类。当样本图像的维度达到500维时人脸图像在有围巾、墨镜遮挡的情况下识别率可达到85.2%；其中墨镜和围巾的遮挡程度分别可以看成是人脸图像的20%和40%。

为了验证本文算法在不同脸部表情变化、光照改变以及遮挡情况下的有效性，根据训练样本的具体图像组合情况进行实验。无论哪种样本图像组合，本文算法在有遮挡存在的样本识别中具有显著优势。

图2 随机遮挡10%的部分训练图像和测试图像

在训练样本只包含脸部表情变化、光照变化以及墨镜遮挡图像的情况下，本文算法的识别率高于其他算法至少2.7%，在训练样本只包含脸部表情变化、光照变化以及围巾遮挡图像的情况下，本文算法的识别率高于其他算法至少3.6%，在训练样本包含脸部表情变化、光照变化、围巾遮挡以及墨镜遮挡图像的情况下，其识别率高于其他算法至少1.9%。