基于含遮擋的稀疏人臉識別

黃 翔,馬韻潔,劉 暢

（安徽四創電子股份有限公司安全總體室，安徽合肥，230088）

基于含遮擋的稀疏人臉識別

黃 翔,馬韻潔,劉 暢

（安徽四創電子股份有限公司安全總體室，安徽合肥，230088）

本文利用稀疏表示人臉識別算法對圖像中的遮擋進行檢測，獲取非遮擋區域，通過剔除遮擋區域來重構整個訓練字典，通過實驗獲取了不錯的效果。

遮擋；稀疏表示；訓練字典

0 引言

人臉識別近幾十年得到快速發展和研究，已在生活中很多方面得到應用，如公司人員考勤、平安城市安防監控等等，但由于受到遮擋、光照等一些外在因素影響，其準確率往往達不到預期的結果，給實際應用帶來了很多不便。本文從John Wright等人提出的稀疏表示人臉識別算法入手，針對含有遮擋的人臉，研究討論了利用圖像中非遮擋的部分作為字典來進行人臉識別，獲得不錯的效果。

1 稀疏表示人臉識別

稀疏表示人臉識別在最近幾年得到快速發展，它利用樣本系數的最稀疏性來判斷樣本屬于哪一類。公式如下：

前一項是基于整個字典的重構殘差，后一項是正則項，其作用是使系數盡量稀疏，減少稀疏表示中非零元數目。通過估計求得稀疏表示，再求取基于部分字典的殘差，這里的部分字典指的是對應一個類的所有樣本，如對應第類公式為：

2 非遮擋區域的字典構造

在城市安防監控中，人臉由于經常受到遮擋，識別準確率往往很低。本節重點研究利用稀疏表示人臉識別來處理遮擋區域，提高識別率。

找出最近似的圖像后，剔除超過閾值的像素，這些像素或者是遮擋或者是噪聲，用剩余的像素再進行類似于通過區域生成圖像的生成方式，重新生成一副圖像，記為。通過找出遮擋區域，將它從待檢測圖像中去除，使用圖像中剩余的像素作為識別對象。通過標定的遮擋區域，將訓練字典中相對應的位置元素去除，從而獲得最終的非遮擋區域的字典。

3 實驗結果與分析

選用含遮擋的AR庫作為實驗庫，對所做的理論進行試驗。

從庫中選取50個人，每個人有13幅圖像，其中7幅不含遮擋，3幅戴墨鏡，剩余3幅戴圍巾。將7幅不含遮擋的圖像作為訓練庫，3幅戴墨鏡和3副戴圍巾分別作為測試庫1和測試庫2。原始圖像大小為，在圖像上隨機選取50個區域，每個區域的大小為，占圖像的比例為20%。

圖1 在不同閾值下，提取的遮擋部分

圖1為取不同閾值時檢測的遮擋情況，從圖中可看出遮擋能夠很容易被檢測出來，驗證了算法的可行性。但同時會發現當閾值選取較低時，原始圖像的一些非遮擋像素也會被過濾掉。通過觀察，取閾值50較合適。

圖2為戴圍巾圖像作為測試時遮擋的提取情況，類似于帶圍巾情況，當閾值取的比較大時，可明顯看出，部分遮擋像素沒有被剔出。在這里，閾值仍然取50。

圖2 在不同閾值下，提取的遮擋部分

[1] Wright J, Yang A Y, Ganesh A, et al. Robust Face Recognition via Sparse Representation [J]. IEEE TP-AMI, 2008, 31(2): 210–227.

[2] L.Zhang, M.Yang, Yi Ma, and David Zhang. Collaborative Rspresentation based Classification for Face Recognition [J]. IEEE, 2011.

[3] M.Yang, L.Zhang, X.Feng and D.Zhang. Fisher Discrimination Dictionary Learning for Sparse Representation [J]. ICCV, 2011.

[4] Donoho David L. For most large underdetermined s-ystems of linear equations, the minimal L1-norm sol-ution is also the sparsest solution [J]. Communication on Pure and Applied Math, 2006, 59(6): 797-829.

黃翔，男(1988-)，碩士研究生，主要研究領域為模式識別、平安城市等.

馬韻潔，女（1983-），碩士研究生、工程師.劉暢，男（1988-），碩士研究生.

Sparse face recognition based on occlusion

Huang Xiang,Ma Yunjie,Liu Chang
(Anhui Sun Create Electronics Co., Ltd Safety general room,Anhui Hefei,230088)

In this paper,the sparse representation of the face recognition algorithm to detect the occluded image,obtaining non occluded regions by eliminating occlusion to reconstruct the entire training dictionary,through experiments to get good results.

occlusion;sparse representation;training dictionary

表1 識別性能的比較