一種改進(jìn)的分塊稀疏表示的人臉識(shí)別方法

武警工程大學(xué)研究生管理大隊(duì) 沈先耿 陳鏐蘊(yùn)

引言

基于稀疏表示分類(lèi)[1]（Spar se Repr esent at i onbased Cl assif icat ion,SRC）是將壓縮感知理論應(yīng)用到人臉識(shí)別領(lǐng)域中，利用稀疏編碼作為提取人臉圖像特征的方法，而不是對(duì)人臉圖像的整體特征進(jìn)行空間映射。文獻(xiàn)[2]表明，該算法識(shí)別率魯棒性較好。但該方法也存在缺點(diǎn)[3]，一是該方法在識(shí)別時(shí)需要存儲(chǔ)所有的訓(xùn)練樣本圖像，因此這大大增加了系統(tǒng)負(fù)擔(dān)。二是稀疏表示是對(duì)獨(dú)立信號(hào)而言的，因此該方法只考慮到了信號(hào)內(nèi)的相關(guān)性，但并沒(méi)有考慮到同類(lèi)信號(hào)間的相關(guān)性。

本文針對(duì)經(jīng)典的SRC算法存在的兩個(gè)缺陷，提出了一種改進(jìn)的基于分塊稀疏表示的人臉識(shí)別方法。該方法通過(guò)結(jié)構(gòu)化分塊方式[4]對(duì)人臉樣本進(jìn)行分塊，并對(duì)結(jié)構(gòu)化分塊的人臉樣本進(jìn)行稀疏表示。通過(guò)在ORL人臉庫(kù)中的對(duì)比實(shí)驗(yàn)，證明了該方法識(shí)別率較高，硬件需求較低，運(yùn)行時(shí)間較短且受樣本數(shù)量的影響較小，具有良好的識(shí)別性能。

1 算法步驟

在這里我們首先將人臉庫(kù)中的人臉圖像構(gòu)成超完備字典A。

其中Li為第i個(gè)人臉的平均特征矩陣，m為每類(lèi)人臉的樣本數(shù)量。而后將得到的人臉平均特征矩陣構(gòu)成超完備字典H：

待測(cè)人臉圖像y可以用字典H中元素的線(xiàn)性組合來(lái)表示，即：

求解公式（1-5）在l0范數(shù)下的最優(yōu)化問(wèn)題是一個(gè)NP難問(wèn)題。為了降低計(jì)算復(fù)雜度，我們通常采用l1范數(shù)來(lái)代替l0范數(shù)求解，即求解在l1范數(shù)下的最優(yōu)化問(wèn)題：

采用正交匹配追蹤算法來(lái)求解稀疏表示系數(shù)[5]。在求得測(cè)試樣本的稀疏表達(dá)后，可以根據(jù)求得的測(cè)試樣本的稀疏表達(dá)來(lái)判斷樣本的所屬類(lèi)別，也就是計(jì)算出待測(cè)樣本y投影后的特征矩陣與每一類(lèi)訓(xùn)練樣本特征矩陣的線(xiàn)性加權(quán)差 ，差值最小的類(lèi)別則為待測(cè)樣本的所屬類(lèi)別，其計(jì)算公式如下：

表2-1 ORL人臉庫(kù)中不同算法的識(shí)別率比較

2 算法仿真

本文的實(shí)驗(yàn)數(shù)據(jù)庫(kù)是ORL人臉庫(kù)。分別對(duì)SRC和本文算法進(jìn)行了5次實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表2-1所示。

本文對(duì)ORL人臉庫(kù)中的某個(gè)人臉采用兩種算法進(jìn)行人臉重構(gòu)，得到的重構(gòu)圖像如圖2-1所示。

圖2 -1 兩種算法的重構(gòu)圖像

從圖2-1中可以看出，本文算法的人臉重構(gòu)精度較高，魯棒性較好。從表2-1中可以看出，本文算法的識(shí)別率與經(jīng)典的SRC算法相比較高，且識(shí)別時(shí)間較短。證明了本文方法的有效性和實(shí)時(shí)性。

3 結(jié)論

本文提出了一種改進(jìn)的分塊稀疏表示的人臉識(shí)別算法，通過(guò)仿真實(shí)驗(yàn)可以看出本文算法識(shí)別率較高，硬件需求較低，運(yùn)行時(shí)間較短且受樣本數(shù)量的影響較小，具有良好的識(shí)別性能。

[1]李武軍,王崇駿,張煒,等.人臉識(shí)別研究綜述[J].模式識(shí)別與人工智能,2006,19(1),58-66.

[2]謝競(jìng),阮秋琦.利用引入瞳孔位置的Gabor小波網(wǎng)絡(luò)進(jìn)行人臉識(shí)別[J].信號(hào)處理,2009,25(2):221-227.

[3]Wright J,Yang A Y,Ma Yi,et al.Robust face recognition via sparse fepresentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2009,31(2):210-27.

[4]熊盛武,宗欣露,朱國(guó)鋒.改進(jìn)的基于AdaBoost算法的人臉檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用研究,2007,24(11):298-300.

[5]唐旭晟,歐宗瑛,蘇鐵明,等.基于AdaBoost和遺傳算法的快速人臉定位算法[J].華南理工大學(xué)學(xué)報(bào):自然科學(xué)版,2007,35(1):64-69.