1 四川轻化工大学 自动化与信息工程学院, 四川 自贡 643000
2 成都工业学院 电子工程学院, 四川 成都 611730
3 电子科技大学 电子工程学院, 四川 成都 611731
针对叠加稀疏表示分类(SSRC)计算复杂度大的问题, 利用协同表示分类(CRC)的计算复杂度比SRC少得多且识别率相似于SRC的优点, 提出基于叠加协同表示分类(SCRC)的人脸识别。基于原型和变化的表示模型, 在SCRC中, 利用类质心和样本与质心的差异来构造成字典, 可以显著地改善CRC的性能。实验结果表明, 利用基于原型和变化的表示模型, 协同表示在人脸识别中能起作用, 甚至字典基在非受控和每类只有一个样本的条件下被汇集, 协同表示也具有很好的性能。与其他算法相比, SCRC在大幅降低计算复杂度的同时保证了识别率。
人脸识别 协同表示 稀疏表示 字典 face recognition collaborative representation sparse representation dictionary
1 四川理工学院 自动化与信息工程学院,四川 自贡 643000
2 电子科技大学 电子工程学院, 四川 成都 611731
进行人脸识别前, 首先要精确定位出一幅图像中人脸的位置, 为了快速定位人脸位置, 本文提出一种肤色定位的人脸检测算法。首先将实际获取的彩色图像转换为YCbCr和HSI空间图像, 并将Cb和Cr图像中的数值进行四舍五入处理, 结合Cb、Cr、H和S的阈值去除大部分背景, 再统计当前图像中的彩色部分的Cb和Cr值, 分别取最多2个数值来共同确定肤色位置, 最后由当前位置的亮度信息图像排除手等纯肤色部分, 准确定位人脸。本文算法能提高正检率并降低误检率, 有利于人脸检测。
人脸检测 肤色定位 face detection YCbCr YCbCr skin color location
四川理工学院 自动化与信息工程学院,四川 自贡 643000
在人脸识别中, 人脸图像受到表情、光照、遮挡、姿态变化、特别是训练样本数量的影响, 而现实中经常只获得少量的训练样本, 由于原始样本生成虚拟样本可以增加训练样本的数量, 分析提出原始样本与轴对称样本融合的协同表示算法。首先生成镜像样本与轴对称样本, 再在协同表示分类器下分类, 最后加权值融合, 分析不同权值下的人脸识别率。实验结果显示原始样本、镜像样本与轴对称样本融合能提高识别率, 而原始样本与轴对称样本融合的识别率更加优越, 较原始样本, 识别率提高2%~9%, 比原始样本与镜像样本融合高1%~5%。结果表明本文提出方法能有效提高人脸识别率。
人脸识别 镜像样本 轴对称样本 协同表示 权值融合 face recognition mirror samples axial-symmetry samples collaborative representation weight fusion
四川理工学院 自动化与信息工程学院,四川 自贡 643000
在人脸识别中, 人脸图像往往受到表情、光照、遮挡、姿态变化的影响, 对此本文提出一种基于低秩特征脸与协同表示的人脸识别算法。该算法先用低秩矩阵恢复算法分解出训练样本图像的误差图像, 再分别对训练样本与误差图像提取特征构造特征字典, 计算测试样本图像特征字典下的协同表示系数, 最后通过重构误差进行分类。通过AR和ORL人脸库进行实验, 结果表明, 本文提出的人脸识别算法的识别率、识别速率得到有效提高。
人脸识别 低秩矩阵 特征脸 协同表示 face recognition low-rank matrix eigenface collaborative representation
