一种基于稠密SIFT特征对齐的稀疏表达人脸识别算法

摘要：

该文针对人脸图像受到非刚性变化的影响，如旋转、姿态以及表情变化等，提出一种基于稠密尺度不变特征转换(SIFT)特征对齐(Dense SIFT Feature Alignment, DSFA)的稀疏表达人脸识别算法。整个算法包含两个步骤：首先利用DSFA方法对齐训练和测试样本；然后设计一种改进的稀疏表达模型进行人脸识别。为加快DSFA步骤的执行速度，还设计了一种由粗到精的层次化对齐机制。实验结果表明：在ORL, AR和LFW 3个典型数据集上，该文方法都获得了最高的识别精度。该文方法比传统稀疏表达方法在识别精度上平均提高了4.3%，同时提高了大约6倍的识别效率。

关键词：人脸识别、人脸对齐、稠密尺度不变特征转换特征、稀疏表达模型

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61201165,61271240,61401228,61403350;南京邮电大学科研基金NY213067资助课题

在线出版日期：2015-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1913-1919