基于局部约束特征线表示的人脸识别

doi:10.11896/jsjkx.210300169

计算机科学››2022,第49卷››发行（6A）: 429-433.数字对象标识：10.11896/jsjkx.210300169

• 图像处理&多媒体技术 • 上一篇下一篇

基于局部约束特征线表示的人脸识别

黄璞, 沈阳阳, 杜旭然, 杨章静

南京审计大学信息工程学院南京 211815

出版日期:2022-06-10 发布日期:2022-06-08
通讯作者:黄璞(黄埔3355@163.com)
基金资助:
国家自然科学基金项目（U1831127）；南京审计大学(信息工程学院)青年教师开放课题项目（A111010004/012）；江苏省研究生科研与实践创新计划项目（SJCX21_0887）

基于局部约束特征线表示的人脸识别

黄浦、沈阳阳、杜旭兰、杨章静

南京审计大学信息工程学院，南京211815

在线：2022-06-10 出版：2022-06-08
关于作者：黄璞，1985年生，博士，副教授。他的主要研究内容包括大数据分析、模式识别和图像处理。
支持单位：
国家自然科学基金（U1831127）、南京审计大学（信息工程学院）青年教师开放课题（A111010004/012）、江苏省研究生科研与实践创新计划（SJCX21_0887）。

摘要/摘要

摘要：针对协同表示分类器（CRC）及其相关算法在处理人脸识别问题时面临的特征表达能力不强、鉴别能力弱等问题,提出了局部约束特征线表示分类器（LCFLRC）用于人脸识别。LCFLRC公司首先将待识别图像表示成其在所有特征线上的投影的线性组合,并根据待识别图像与特征线的距离对其施加约束,然后采用拉格朗日乘子法求解基于L（左）₂范数的最优化问题,最后,根据待识别图像与其在每类特征线上的投影的重构残差大小判断待识别图像的类别。LCFLRC公司采用待识别图像在特征线上的投影来表示待识别图像,能够获取有限人脸图像样本中的更多变化,同时利用了待识别图像与特征线的距离信息,使得离待识别图像较近的特征线上的投影在表示待识别图像时重构系数较大,因此包含更多的判别信息。在CMU PIE、扩展Yale-B和AR人脸库上的实验结果表明,相比其他分类算法,所提算法在图像光照、人脸表情、姿态等变化方面的识别率有显著提升。

关键词: 局部约束, 人脸识别, 特征分类, 特征线表示

摘要：为了解决基于协作表示的分类器（CRC）及其相关算法在人脸识别中的特征表示能力和鉴别能力较低的问题，提出了一种基于局部约束特征线表示的分类器。首先，LCFLRC将测试图像表示为测试图像在整个要素线上投影的线性组合，并对测试图像与每个要素线之间的距离施加约束。然后，L₂采用拉格朗日乘子法求解基于范数的优化问题。最后，根据测试图像与测试图像在每类特征线上的投影之间的重建残差，确定测试图像的标签。LCFLRC可以通过使用特征线来表示测试图像，从而捕获面部图像中的更多变化，并且，通过利用测试图像与特征线之间的距离信息，使得靠近测试图像的特征线上的投影的重建系数更大，从而包含更多的判别信息。在CMU PIE、Extended Yale-B和AR人脸数据库上的实验结果表明，该方法在不同光照、面部表情和姿势的图像中明显优于其他分类方法。

关键词： 人脸识别，特征分类，要素线表示，位置受限

中图分类号:

TP391.4标准

黄璞, 沈阳阳, 杜旭然, 杨章静.基于局部约束特征线表示的人脸识别[J] ●●●●。计算机科学, 2022年，49（6A）：429-433。https://doi.org/10.11896/jsjkx.210300169

黄浦，沈阳阳，杜旭冉，杨章静。基于局部约束特征线表示的人脸识别[J] ●●●●。计算机科学，2022，49（6A）：429-433。https://doi.org/10.11896/jsjkx.210300169

参考文献

[1] COVER T，HART P.最近邻模式分类[J]。IEEE信息理论汇刊，1967，13（1）：21-27。
[2] GONZALEZ R C，WOODS R E.数字图像处理[M]。霍博肯：艾迪森·卫斯理，1997年。
[3] DUDA R O，HART P E，STORK D G.模式分类，第2版[M]。霍博肯·威利（Hoboken Wiley），2000年。
[4] 李世忠，卢建伟.基于最近特征线方法的人脸识别[J]。IEEE神经网络汇刊，1999,10（2）：439-443。
[5] WRIGHT J，YANG A Y，GANESH A，等.基于稀疏表示的鲁棒人脸识别[J]。IEEE模式分析和机器智能汇刊，2008年，31（2）：210-227。
[6] HANG L，YANG M，FENG X.稀疏表示或协作表示：有助于人脸识别[C]//IEEE计算机视觉会议论文集.2011:471-487。
[7] NASEEM I，TOGNERI R，BENNAMOUN M.人脸识别的线性重建[J]。IEEE模式分析和机器智能汇刊，2010,32（11）：2106-2112。
[8] 徐杰，杨杰.基于均值表示的分类器及其应用[J]。电子快报，2011,47（18）：1024-1026。
[9] 黄平，钱春生，杨刚，等。基于局部平均表示的分类器及其在数据分类中的应用[J]。国际机器学习与控制论杂志，2018,9（8）：969-978。
[10] 冯强，袁C，潘杰，等.人脸识别中的叠加稀疏参数分类器[J]。IEEE控制论汇刊，2017,47（2）：378-390。
[11] 董旭，张华，朱莉，等.基于稀疏子空间的加权局部协同表示[J]。视觉传达与图像表征杂志，2019,58:187-194。
[12] GOU J，WANG L，HOU B，等.基于两阶段概率协同表示的分类[J]。专家系统与应用，2019133:9-20。
[13] GOU J，WANG L，YI Z，等.鲁棒图像分类的加权鉴别协同竞争表示[J]。神经网络，2020125:104-120。
[14] ZHENG C，WANG N.用k最近类进行分类的协作表示[J]。模式识别信函，2019117:30-36。
[15] WAQAS J，YI Z，ZHANG L.基于邻域表示的分类₂-最小化方法[J]。模式识别信函，2013,34:201-208。
[16] TURK M，PENTLAND A.识别特征脸[J]。认知神经科学杂志，1991，3（1）：71-86。

相关文章15

[1]	黄璞, 杜旭然, 沈阳阳, 杨章静. 基于局部正则二次线性重构表示的人脸识别基于局部正则双线性重构表示的人脸识别计算机科学, 2022年，49（6A）：407-411。https://doi.org/10.11896/jsjkx.210700018
[2]	程祥鸣, 邓春华. 基于无标签知识蒸馏的人脸识别模型的压缩算法基于无标记知识提取的人脸识别模型压缩算法计算机科学, 2022, 49(6): 245-253.https://doi.org/10.11896/jsjkx.210400023
[3]	魏勤, 李瑛娇, 娄平, 严俊伟, 胡辑伟. 基于边云协同的人脸识别方法研究基于边缘云协作的人脸识别方法计算机科学, 2022, 49(5): 71-77.https://doi.org/10.11896/jsjkx.210300222
[4]	何嘉玉, 黄宏博, 张红艳, 孙牧野, 刘亚辉, 周哲海. 基于深度学习的单幅图像三维人脸重建研究综述基于单幅图像的三维人脸重建综述计算机科学, 2022, 49(2): 40-50.https://doi.org/10.11896/jsjkx.210500215
[5]	陈长伟, 周晓峰. 快速局部协同表示分类器及其在人脸识别中的应用基于快速局部协同表示的分类器及其在人脸识别中的应用计算机科学, 2021, 48(9): 208-215.https://doi.org/10.11896/jsjkx.200800155
[6]	温荷, 罗频捷. 基于改进脉冲耦合神经网络的动态人脸识别基于改进脉冲耦合神经网络的动态人脸识别计算机科学, 2021年，48（6A）：85-88。https://doi.org/10.11896/jsjkx.200600172
[7]	白子轶, 毛懿荣, 王瑞平. 视频人脸识别进展综述基于视频的人脸识别研究综述计算机科学, 2021, 48(3): 50-59.https://doi.org/10.11896/jsjkx.210100210
[8]	陆要要, 袁家斌, 何珊, 王天星. 基于超分辨率重建的低质量视频人脸识别方法基于超分辨率重建的低质量视频人脸识别方法计算机科学, 2021年，48（11A）：295-302。https://doi.org/10.11896/jsjkx.201200159
[9]	杨章静, 王文博, 黄璞, 张凡龙, 王昕. 基于局部加权表示的线性回归分类器及人脸识别基于局部加权表示的线性回归分类器与人脸识别计算机科学, 2021年，48（11A）：351-359。https://doi.org/10.11896/jsjkx.210100173
[10]	栾晓, 李晓双. 基于多特征融合的人脸活体检测算法基于多特征融合的人脸消噪算法计算机科学, 2021年，48（11A）：409-415。https://doi.org/10.11896/jsjkx.210100181
[11]	王慧, 乐孜纯, 龚轩, 武玉坤, 左浩. 基于特征分类的链路预测方法综述基于特征分类的链接预测方法综述计算机科学, 2020, 47(8): 302-312.https://doi.org/10.11896/jsjkx.190700136
[12]	吴庆洪, 高晓东. 稀疏表示和支持向量机相融合的非理想环境人脸识别基于稀疏表示和支持向量机的非理想环境下人脸识别计算机科学, 2020, 47(6): 121-125.https://doi.org/10.11896/jsjkx.190500058
[13]	李新豆,高陈强,周风顺,韩慧,汤林. 基于图像扩散速度模型和纹理信息的人脸活体检测基于图像扩散速度模型和纹理信息的人脸活力检测计算机科学, 2020, 47(2): 112-117.https://doi.org/10.11896/jsjkx.181202339
[14]	金堃, 陈少昌. 步态识别现状与发展步态识别的现状与发展计算机科学, 2019年，46（6A）：30-34。
[15]	陈晋音, 王桢, 陈劲聿, 陈治清, 郑海斌. 基于深度学习的智能教学系统的设计与研究基于深度学习的智能教学系统的设计与研究计算机科学, 2019年，46（6A）：550-554。

韵律学

已查看

全文

摘要

引用

共享

讨论

基于局部约束特征线表示的人脸识别

基于局部约束特征线表示的人脸识别

PDF（PC）

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

韵律学

本文评价

推荐阅读0