ASM姿态矫正结合字典学习优化的人脸识别

摘要：

针对人脸图像中姿态变化而导致识别率降低的问题,提出一种基于主动轮廓模型(ASM)姿态矫正结合字典学习优化的人脸识别方法.利用ASM提取人脸图像局部特征,对人脸进行矫正对齐;将人脸图像进行Gabor小波变换以提取初始特征,执行KPCA获得最终特征空间,利用非约束字典学习进行优化;利用人脸样本特征空间构造稀疏字典,形成稀疏表示分类器.在构建分类器时,使用错误分类的人脸图像更新训练基向量,提高分类器的分类精度.实验结果表明,该方法在LFW人脸数据库上识别一幅人脸图像仅需1.05 s,对姿态变化、低分辨率具有很好的鲁棒性.相比其它几种方法,其取得了更高的识别率.

关键词：人脸识别、ASM姿态矫正、字典学习、核主成分分析、稀疏表示、Gabor小波变换

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61462072

在线出版日期：2019-01-22（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：3538-3543,3583