基于稀疏表示的快速l-范数人脸识别方法-计算机应用研究.pdfVIP

第３３卷第９期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ９ ２０１６年９月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｓｅｐ．２０１６ 基于稀疏表示的快速 ｌ范数人脸识别方法 ２ 汤镇宇，孟凡荣，王志晓 （中国矿业大学计算机科学与技术学院，江苏徐州２２１１１６） 摘　要：多数稀疏表示方法需要原子数目远远大于原子维数的大规模冗余字典，并采用ｌ范数最小化方法来 １ 计算稀疏系数。为了降低算法复杂度，提出一种基于稀疏表示的快速ｌ范数人脸识别方法。通过提取融合特 ２ 征和缩小字典规模来改善字典结构，增强ｌ范数的稀疏性，从而在保证识别性能的前提下大幅提高算法运行速 ２ 度。实验表明，与其他稀疏表示方法相比，该方法可以显著降低算法复杂度，同时可以保持良好的人脸识别率和 排除干扰人脸的能力。 关键词：人脸识别；稀疏表示；特征融合；字典缩减；正则化最小二乘法 中图分类号：ＴＰ３９１．４１　　文献标志码：Ａ　　文章编号：１００１３６９５（２０１６）０９２８３１０６ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．０９．０６２ Ｆａｓｔｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｒｅｇｕｌａｒｉｚｅｄｌｅａｓｔｓｑｕａｒｅｖｉａｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ ＴａｎｇＺｈｅｎｙｕ，ＭｅｎｇＦａｎｒｏｎｇ，ＷａｎｇＺｈｉｘｉａｏ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＭｉｎｉｎｇ＆Ｔｅｃｈｎｏｌｏｇｙ，ＸｕｚｈｏｕＪｉａｎｇｓｕ２２１１１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｆｏｒｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｎｄａｃｈｉｅｖｅｄｇｏｏｄｒｅｓｕｌｔｓ．Ｂｕｔ ｍｏｓｔｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｍｅｔｈｏｄｓｒｅｑｕｉｒｅａｒｅｄｕｎｄａｎｔｄｉｃｔｉｏｎａｒｙｔｈａｔｔｈｅｎｕｍｂｅｒｏｆａｔｏｍｓｉｎｄｉｃｔｉｏｎａｒｙｉｓｍｕｃｈｌａｒｇｅｒｔｈａｎ ｔｈｅｄｉｍｅｎｓｉｏｎｏｆｉｔ，ａｎｄｔｈｅｙｅｎｓｕｒｅｓｐａｒｓｉｔｙｂｙｓｏｌｖｉｎｇｌｎｏｒｍｍｉｎｉｍｉｚａｔｉｏｎ．Ｂｏｔｈｏｆｔｈｅｐｒｏｃｅｄｕｒｅｓｗｉｌｌｉｎｃｒｅａｓｅｔｈｅｃｏｍ １ ｐｌｅｘｉｔｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｃｏｍｐｕｔａｔｉｏｎｓｐｅｅｄ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｆａｓｔｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｗｉｔｈｒｅｇｕ ｌａｒｉｚｅｄｌｅａｓｔｓｑｕａｒｅｖｉａｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ｎａｍｅｌｙｆａｓｔｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｒｅｇｕｌａｒｉｚｅｄｌｅａｓｔｓｑｕａｒｅ（ＦＳ ＲＣ＿ＲＬＳ）．Ｉｔｉｍｐｒｏｖｅｄｔｈｅｓｔｒｕｃｔｕｒｅｏｆｔｈｅｄｉｃｔｉｏｎａｒｙａｎｄｅｎｈａｎｃｅｄｔｈｅｓｐａｒｓｉｔｙｏｆｌｎｏｒｍｔｈｒｏｕｇｈｅｘｔｒａｃｔｉｎｇｆｕｓｉｏｎｆｅａｔｕｒｅｓ