重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (2): 120-126.doi: 10.3969/j.issn.1674-8425(z).2020.02.017

• 智能技术 • 上一篇    下一篇

优化形式下的稀疏表示分类器的人脸识别

吉朝明１，宋铁成２   

  1. １．四川交通职业技术学院 信息工程系，成都 ６１１１３０； ２．重庆邮电大学 通信与信息工程学院，重庆 ４０００６
  • 收稿日期:2018-12-24 发布日期:2020-03-18
  • 作者简介:吉朝明，男，硕士，讲师，工程师，主要从事软件技术、网络安全研究，Ｅ-ｍａｉｌ：ｃｈａｏｍｉｎｇｊｉ＠ｑｑ．ｃｏｍ；宋铁成， 男，博士，副教授，主要从事图像处理、计算机视觉研究。
  • 基金资助:
    国家自然科学基金资助项目（６１７０２０６５）；四川省教育信息化应用与发展研究中心项目（ＪＹＸＸ１８－０３０）

  • Received:2018-12-24 Published:2020-03-18

PDF (PC)

427

赞

摘要： 针对稀疏表示分类（ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ，ＳＲＣ）算法在噪声、遮挡 或者光照变化等情况下面部图像识别率较差的问题，对 ＳＲＣ模型进行算法优化，将 Ｌ１损失函 数替代 Ｌ２损失函数用以求解稀疏解，并且采用 Ｌ１范数和 Ｌ２范数对 Ｌ１损失函数最小化问题进 行正则化。在 ３个具有挑战性的人脸数据集中挑选不同的光照、表情和遮挡条件时的人脸图 像，并适当地加入噪声，分析在不同数据条件下 ＳＲＣ优化模型的性能，进而研究正则化参数在 数据样本与稀疏性之间的修正关系。实验结果表明：所提出的两种 ＳＲＣ优化模型在不同的数 据库和样本间具有不一样的性能，Ｌ１损失函数与 Ｌ１正则化的组合在噪声条件时表现突出，Ｌ１ 损失函数与 Ｌ２正则化的组合在遮挡条件下具有更高的鲁棒性。

关键词: 人脸识别, 稀疏表示, 优化算法, 范数正则化

中图分类号: 

  • ＴＰ３１