基于稀疏表示人臉識別系統(tǒng)的設(shè)計

摘要：為了消除光照對人臉識別的影響，提出一種基于光照魯棒稀疏表示的人臉識別方法。該方法對圖像作小波變換，得到光照歸一化圖像，通過對光照歸一化后人臉圖像作稀疏變換，稀疏表示分類得出測試識別結(jié)果。本文方法在Yale B人臉庫上仿真實驗，識別率較高，對光照、表情、遮擋具有一定的魯棒性。

關(guān)鍵詞：人臉識別;稀疏表示;魯棒性

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）17-0179-01

開放科學(xué)（資源服務(wù)）標(biāo)識碼（0SID）：

1 引言

隨著科學(xué)技術(shù)的發(fā)展，人臉識別技術(shù)快速發(fā)展并得到了廣泛應(yīng)用。人臉識別是計算機視覺與模式識別領(lǐng)域一個重要問題，一直都是研究的熱點，在公共安全、人機交互、自助服務(wù)等領(lǐng)域中都有著重要的應(yīng)用。經(jīng)過幾十年的發(fā)展，基于圖像的人臉識別技術(shù)已經(jīng)獲得了巨大的進步，在理想條件下，人臉識別系統(tǒng)效果比較好，然而，在研究高效魯棒性的人臉識別算法有諸多難點，其中就有“維數(shù)災(zāi)難”問題、光照變化問題、表情變化問題等[1]。為了提高光照的魯棒性，本文提出一種基于光照魯棒稀疏表示的人臉識別方法。其核心思想是：先對人臉圖像進行小波歸一化預(yù)處理，再將人臉圖像進行稀疏表示的分類，得出測試人臉圖像的類別。

2 稀疏表示人臉識別算法

稀疏表示分類將測試樣本表示成訓(xùn)練樣本的線性組合，通過稀疏重構(gòu)求出稀疏系數(shù)進行圖像分類[2]。對于同一個人臉圖像來說，他們之間都存在明顯的相似性，因此可以用全部人臉圖像即訓(xùn)練樣本，通過對訓(xùn)練樣本的訓(xùn)練提取特征構(gòu)造字典，再通過字典對測試人臉圖像進行稀疏表示分類。設(shè)有C個人即C類，每個人有M張人臉圖像即C*M人臉圖像組成訓(xùn)練樣本，通過訓(xùn)練，提取訓(xùn)練樣本特征，構(gòu)建字典A，測試圖像y是C類中某一個人的人臉圖像，則y，可由字典A線性組合表示，即y=Ax。通過計算得到系數(shù)x，判斷測試圖像類別。通過計算minllxll os.ty= Ax求解x。求向量Z。范數(shù)，是非凸函數(shù)，是NP難問題。在一定的條件下最小化l0范數(shù)和最小化Z，范數(shù)同解[3]，即minllxll.s.ly=Ax該問題是一個凸優(yōu)問題，易求解。如果人臉圖像像素?fù)p毀，即可轉(zhuǎn)化為minllxll.+Allell，s.t y=Ax+e求解x，其中，e表示損毀產(chǎn)生的噪聲，對應(yīng)人臉圖像損毀的像素。最后，根據(jù)稀疏表示系數(shù)x計算待測試圖像y與每個人臉圖像的重構(gòu)誤差（

）最小對應(yīng)的類，即為識別結(jié)果。

3 實驗仿真

本實驗在Yale B[4]庫上驗證本文方法的有效性，機器采用聯(lián)想臺式機，處理器為InteI（R） Core2 E7500 2.94GHz，4G內(nèi)存，Windows7 64位操作系統(tǒng);軟件采用Matlab2017b。Yale B庫是由15個人的人臉圖像組成，每人包含11張圖像，隨機的取出每個人一張人臉圖像作為測試圖像，構(gòu)成測試集，剩下的每人10張人臉圖像作為訓(xùn)練集，并將每個人臉圖像依次標(biāo)上序號。

實驗仿真分三部進行第一步：圖像預(yù)處理。通過對人臉圖像預(yù)處理，增強對光照的不敏感，提高圖像識別率。第二步：通過訓(xùn)練構(gòu)建字典。通過對訓(xùn)練集訓(xùn)練，提取人臉圖像的特征，構(gòu)建訓(xùn)練字典。第三步：人臉圖像測試。人臉圖像測試分三種情況，第一種情況是實驗仿真選擇測試的人臉圖像與訓(xùn)練集的人臉圖像光照不同，如圖1所示;第二種情況是實驗仿真選擇測試的人臉圖像與訓(xùn)練集的人臉圖像表情不同，如圖2所示;第三種情況是實驗仿真選擇測試的人臉圖像部分被遮擋。 4 結(jié)論

本文提出一種基于光照魯棒的稀疏表示人臉識別方法，該方法對人臉圖像作小波變換，得到光照歸一化人臉圖像，再通過稀疏變換，稀疏分類獲得測試結(jié)果。實驗仿真結(jié)果表明，本文方法不僅對光照具有良好的魯棒性，而且對人臉圖像部分遮擋以及表情都表現(xiàn)出一定的魯棒性。

參考文獻(xiàn)：

[1]平強，莊連生，俞能海.姿態(tài)魯棒的分塊稀疏表示人臉識別算法[J].中國科學(xué)技術(shù)大學(xué)學(xué)報，2011，41（11）：975-981.

[2]王林，鄧芳娟.改進的加權(quán)稀疏表示人臉識別算法[J].計算機系統(tǒng)應(yīng)用，2018， 27（6）：136-141.

[3] Candes E，Tao T.Near-optimal signal recovery from randomprojections： universal encoding strategies[J]. lEEE Transactionon Information Theory，2006，52（12）：5406-5425.

[4] GEORGHIADES A S，BELHUMEUR P N， KRIEGMAN D J.Form few to many： illumination cone models for face recogni-tion under variable lighting and pose[J].IEEE Trans on PatternAnalvsis and Machine Intelligence， 2001，23（6）：643-660.

【通聯(lián)編輯：唐一東】

基金項目：安徽省自然科學(xué)研究重點項目：基于人臉識別的智能門禁系統(tǒng)研究（KJ2018A0655）;校級科研項目：基于人臉識別的門禁系統(tǒng)研究（WJKY-201723）

作者簡介：朱強軍（1984-），男，碩士，講師，研究方向為圖像處理，模式識別。