基于协作表示残差融合的3维人脸识别

摘要：

目的 针对2维人脸难以克服光照、表情、姿态等复杂问题,提出了一种基于协作表示残差融合的新算法.方法 协作表示分类算法是将所有类的训练图像一起协作构成字典,通过正则化最小二乘法代替1范数求解稀疏系数,减小了计算的复杂度,由此系数重构测试人脸,根据重构误差最小原则,对测试人脸正确分类.该方法首先在3维人脸深度图上提取Gabor特征和Geodesic特征,然后在协作表示算法的基础上融合两者的残差信息,作为最终差异性度量,最后根据融合残差最小原则,进行人脸识别.结果 在不同的训练样本、特征维数条件下,在CIS和Texas 2个人脸数据库上,本文算法的识别率可分别达到94.545％和99.286％.与Gabor-CRC算法相比,本文算法的识别率平均高出了10％左右.结论 在实时成像系统采集的人脸库和Texas 3维人脸库上的实验结果表明,该方法对有无姿态、表情、遮挡等变化问题具有较好的鲁棒性和有效性.

关键词：协作表示、Gabor特征、Geodesic特征、残差融合、人脸识别、3维人脸深度图、特征选择

所属期刊栏目：20

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61371156

在线出版日期：2015-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：700-707