作者：刘霞; 罗文辉; 苏义鑫人脸识别稀疏表示低秩矩阵恢复坐标下降法
摘要：人脸识别的主要难度在于,受到光照变化、表情变化以及遮挡的影响,会使得采集的不同人的人脸图像具有相似性。为有效解决基于稀疏表示的分类算法(Sparse Representation-based Classification,SRC)在人脸训练样本不足时会导致识别率降低和稀疏表示求解效率较低的问题,提出了基于判别性低秩分解与快速稀疏表示分类(LowRank Recovery Fast Sparse Representation-based Classification,LRR_FSRC)的人脸识别算法。利用低秩分解理论得到低秩恢复字典以及稀疏误差字典,结合低秩分解和结构不相干理论,训练出判别性低秩类字典和稀疏误差字典,并把它们结合作为测试时所用的字典;用坐标下降法来求解稀疏系数以提高了计算效率;根据重构误差实现测试样本的分类。在YALE和ORL数据库上的实验结果表明,提出的基于LRR_FSRC的人脸识别方法具有较高的识别率和计算效率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
