基于稀疏表示和低秩矩阵分解的鲁棒人脸识别研究

项目名称： 基于稀疏表示和低秩矩阵分解的鲁棒人脸识别研究

项目编号： No.11626109

项目类型： 专项基金项目

立项/批准年度： 2016

项目学科： 数理科学和化学

项目作者： 汤鑫

作者单位： 华中农业大学

项目金额： 3万元

中文摘要： 人脸识别是模式识别的重要研究方向，现已广泛应用于日常生活。但是不可控条件下的人脸识别受到光照、表情、姿势、遮挡等因素影响，依然极具挑战。近年来，稀疏表示及低秩矩阵恢复在人脸识别中取得巨大成功。 本项目主要研究下面三个问题：针对训练集中存在光照、表情、遮挡等干扰识别的因素，在低秩矩阵分解框架下，综合考虑数据的局部几何结构，研究新的去干扰方法，提取判别特征；研究结合近邻样本和远邻域样本的信息，修正重构误差度量，解决识别时测试样本受到严重污染的影响；不可控条件下的人脸识别是个小样本问题，重点是能否有效地提取每个人的不同于别人的关键判别特征，本项目研究从训练样本中学习每个人的判别特征及所有样本可共享特征，构造每类独有的不变子空间及共享子空间，提高训练样本表示能力。

中文关键词： 协同表示；局部信息；深度自编码网络；低秩矩阵；人脸识别

英文摘要： Face recognition is a hot research field because of its huge application potential, including access control, social network, criminal investigation, etc. Despite years of active research, it remains an unsolved problem due to the many variances, such as

英文关键词： Collaborative representation；Locality information；Deep auto-encoder network；Low-rank matrix；Face recognition