×
赵树欢;胡正平

基于Fisher判别和稀疏残差的模块加权稀疏表示用于遮挡人脸识别。 （英语） Zbl 1329.68229号

信息处理。莱特。 115，第9期，677-683（2015）.
摘要：遮挡人脸识别是人脸识别在实际应用中面临的主要问题之一。图像中的遮挡会降低基于全局的方法的性能，因此针对该问题的现有方法大多是基于块的。我们的方法还将图像划分为模块。考虑到不同的模块具有不同的判别信息，我们确定了一个计算模块权重的新准则。模块权重不仅可以降低低鉴别度模块的影响，而且可以在一定程度上检测遮挡模块。加权函数基于模Fisher率和模残差。稀疏表示分类（SRC）在图像识别中的成功应用启发了我们在加权字典和测试图像上使用SRC进行最终识别。在AR和扩展的耶鲁B数据库上的实验验证了该方法的有效性和鲁棒性。

MSC公司：

68吨10 模式识别、语音识别

关键词：

算法设计;人脸识别;稀疏表示;Fisher判别式;模块重量

软件：

耶鲁脸;AR面
PDF格式BibTeX公司 XML格式引用
\textit{S.Zhao}和\textit{Z.-p.Hu}，Inf.Process。莱特。115，第9号，677--683（2015；Zbl 1329.68229）
全文： 内政部

参考文献：

[1] 李，S。；Lu，J.，使用最近特征线方法进行人脸识别，IEEE Trans。神经网络。，10, 2, 439-443 (1999)
[2] Chien，J。；Wu，C.，用于人脸识别的判别小波面和最近特征分类器，IEEE Trans。模式分析。机器。智力。，24, 12, 1644-1649 (2002)
[3] 王静；Lu，Canyi，通过自适应稀疏表示实现鲁棒人脸识别，IEEE控制论汇刊
[4] Wright，J。；Yang，A.Y。；Ganesh，A。；Yi，Ma，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 2, 210-227 (2009)
[5] 张磊；杨孟；Feng，Xiangchu，稀疏表示还是协作表示：哪有助于人脸识别？，（IEEE国际计算机视觉会议，IEEE国际电脑视觉会议，ICCV（2011）），471-478
[6] 徐勇；左、王蒙；Fan，Zizhu，启发式监督稀疏表示方法和人脸识别实验，神经计算，79125-131（2012）
[7] 杨孟；张磊；Zhang，David，实时人脸识别的高效错位-半身像表示，（欧洲计算机视觉会议，欧洲计算机视觉大会，ECCV（2012）），850-863
[8] 杨，M。；Zhang，L.，Gabor特征稀疏表示在Gabor遮挡字典人脸识别中的应用，（欧洲计算机视觉会议，欧洲计算机视觉大会，ECCV（2010）），448-461
[9] 乔丽珊；陈松灿；谭晓阳，保稀疏投影及其在人脸识别中的应用，模式识别。，43, 1, 331-341 (2010) ·Zbl 1186.68421号
[10] 埃桑·埃哈米法尔；Vidal，Rene，通过凸优化实现结构化稀疏恢复，（IEEE计算机视觉和模式识别会议，IEEE计算机图像和模式识别大会，CVPR（2011）），1873-1879
[11] Elhamifar，E。；Vidal，R.，使用结构化稀疏表示的稳健分类，（IEEE计算机视觉和模式识别会议，IEEE计算机图像和模式识别大会，CVPR（2011）），1873-1879
[12] Elhamifar，E。；Vidal，R.，通过凸优化进行块解析恢复，IEEE Trans。信号处理。，60, 8, 4049-4107 (2012) ·Zbl 1393.94681号
[13] 他，冉；张伟石，大规模人脸识别的两阶段非负稀疏表示，IEEE Trans。神经网络。学习。系统。，24，1，35-46（2013）
[14] 马，龙；王春恒，基于区分低阶字典学习的人脸识别稀疏表示，（IEEE计算机视觉和模式识别会议，IEEE计算机图像和模式识别大会，CVPR（2012）），2586-2593
[15] Chem，Chih-Fan；魏嘉宝；Wang，Yu-Chiang-Frank，用于鲁棒人脸识别的结构非相干低库矩阵恢复，（IEEE计算机视觉和模式识别会议。IEEE计算机图像和模式识别大会，CVPR（2012）），2618-2625
[16] 他，冉；郑伟石；胡宝刚，鲁棒人脸识别的最大相关熵准则，IEEE Trans。模式分析。机器。智力。，33, 8, 1561-1576 (2011)
[17] 赖，健；姜旭东，用于鲁棒人脸识别的模块加权全局稀疏表示，IEEE信号处理。莱特。，19, 9, 571-574 (2012)
[18] 胡正平；赵树焕；李静，基于块稀疏递归残差分析的鲁棒遮挡模式识别算法，模式识别。Artif公司。智力。，27、1、70-76（2014），（中文）
[19] Jiang，X.D.，模式分类的非对称主成分和判别分析，IEEE Trans。模式分析。，31, 5, 931-937 (2009)
[20] 姜晓东，基于线性子空间学习的降维，IEEE信号处理。，28, 2, 16-26 (2011)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。