基于稀疏表示和非負(fù)矩陣分解的部分遮擋人臉識(shí)別研究.pdf

1、隨著人臉識(shí)別應(yīng)用需求的不斷增長(zhǎng)，無(wú)約束環(huán)境下的人臉識(shí)別得到了廣泛的關(guān)注和研究。部分遮擋是無(wú)約束環(huán)境下人臉識(shí)別面臨的主要問(wèn)題之一。部分遮擋造成人臉信息缺失，嚴(yán)重影響了特征的提取和識(shí)別，是人臉識(shí)別一直未很好解決的難題。研究對(duì)遮擋魯棒的人臉識(shí)別方法是人臉識(shí)別技術(shù)進(jìn)一步廣泛應(yīng)用的重要課題。
　　目前部分遮擋人臉識(shí)別的研究還存在以下不足：(1)已有遮擋人臉識(shí)別算法只對(duì)小面積的遮擋有效，對(duì)像口罩等類型的大面積遮擋識(shí)別率下降；(2)已有基于非負(fù)

2、矩陣分解的部分遮擋人臉特征提取算法沒(méi)有同時(shí)考慮人臉流形幾何結(jié)構(gòu)、重構(gòu)誤差分布的長(zhǎng)尾特點(diǎn)及監(jiān)督信息，得到的特征不夠魯棒；(3)已有基于稀疏表示的部分遮擋人臉表示學(xué)習(xí)算法假設(shè)表示系數(shù)之間相互獨(dú)立，沒(méi)有考慮人臉流形局部幾何結(jié)構(gòu)。
　　為了解決上述問(wèn)題，本文以近年來(lái)發(fā)展的稀疏表示理論和非負(fù)矩陣分解理論為基礎(chǔ)，利用機(jī)器學(xué)習(xí)的方法，從三個(gè)不同層次對(duì)部分遮擋人臉識(shí)別問(wèn)題展開了深入研究：
　　(1)在有監(jiān)督信息和遮擋訓(xùn)練樣本的情況下，針對(duì)大

3、面積遮擋，提出了基于遮擋字典學(xué)習(xí)的魯棒人臉識(shí)別算法。主要從以下三個(gè)方面解決了該問(wèn)題:1)提出了遮擋字典來(lái)建模部分遮擋模式。遮擋字典的每個(gè)原子均為一種遮擋原型如墨鏡、口罩等，將待測(cè)人臉圖像中的遮擋表達(dá)為遮擋原型的稀疏線性組合。2)建立了基于相關(guān)性最小化的遮擋字典學(xué)習(xí)模型。訓(xùn)練樣本字典原子的稀疏線性組合表達(dá)非遮擋人臉，遮擋字典原子的稀疏線性組合表達(dá)遮擋部分，通過(guò)最小化訓(xùn)練樣本字典與遮擋字典的相關(guān)性，將遮擋人臉和非遮擋人臉有效分離，從而利用非

4、遮擋人臉進(jìn)行識(shí)別。3)提出了快速的遮擋字典求解算法，并證明了算法的收斂性。每次選擇更新一個(gè)字典原子，同時(shí)在更新下一個(gè)原子時(shí)使用已經(jīng)更新的原子，從而加快算法收斂速度。實(shí)驗(yàn)結(jié)果表明：該方法學(xué)習(xí)到的字典原子均為一些基本的遮擋模式，如墨鏡、口罩、光照變化模式等，極大地提高了大面積連續(xù)遮擋人臉的識(shí)別率。
　　(2)接著，在僅有監(jiān)督信息而無(wú)遮擋訓(xùn)練樣本的情況下，針對(duì)現(xiàn)有非負(fù)矩陣分解方法對(duì)遮擋敏感的問(wèn)題，結(jié)合人臉流形幾何結(jié)構(gòu)和監(jiān)督信息，提出了基

5、于魯棒非負(fù)塊對(duì)齊的人臉識(shí)別算法。首先基于遮擋人臉重構(gòu)誤差分布的長(zhǎng)尾特點(diǎn)，提出用相關(guān)熵誘導(dǎo)測(cè)度度量重構(gòu)誤差；對(duì)重構(gòu)誤差大的像素點(diǎn)賦予小的權(quán)重，對(duì)重構(gòu)誤差小的像素點(diǎn)賦予大的權(quán)重，在迭代過(guò)程中自適應(yīng)地學(xué)習(xí)估計(jì)權(quán)值。針對(duì)目標(biāo)函數(shù)的非凸性，通過(guò)引入新的輔助變量，增加變量空間，將原來(lái)的非凸優(yōu)化問(wèn)題轉(zhuǎn)化為一個(gè)半二次優(yōu)化問(wèn)題；利用輪換優(yōu)化方法得到簡(jiǎn)潔的乘性迭代公式，并證明了算法收斂性。作為魯棒非負(fù)塊對(duì)齊框架的應(yīng)用，提出了局部保持非負(fù)塊對(duì)齊算法和稀疏保持

6、非負(fù)塊對(duì)齊算法。在局部保持非負(fù)塊對(duì)齊算法中，構(gòu)造局部稀疏圖來(lái)刻畫人臉流形的局部幾何結(jié)構(gòu)。對(duì)每個(gè)人臉，先通過(guò)k-近鄰法選擇一個(gè)較大的鄰域集，然后再對(duì)該鄰域內(nèi)的樣本點(diǎn)求稀疏表示，有效結(jié)合了k-近鄰的局部性和稀疏表示的魯棒性。在稀疏保持非負(fù)塊對(duì)齊算法中，利用稀疏重構(gòu)系數(shù)描述局部幾何結(jié)構(gòu)和加權(quán)距離刻畫類可分性，結(jié)合監(jiān)督信息，構(gòu)造了判別式部分優(yōu)化模型。兩種算法在實(shí)際遮擋、模擬遮擋等各種情況下取得了很好的聚類和識(shí)別結(jié)果，表明了該算法的有效性和魯棒性

7、。
　　(3)進(jìn)一步，在既無(wú)監(jiān)督信息又沒(méi)有遮擋訓(xùn)練樣本的情況下，針對(duì)標(biāo)準(zhǔn)稀疏表示獨(dú)立性假設(shè)的不足，結(jié)合局部幾何結(jié)構(gòu)，提出了基于圖嵌入結(jié)構(gòu)稀疏的魯棒人臉表示學(xué)習(xí)算法。標(biāo)準(zhǔn)稀疏表示假設(shè)表示系數(shù)之間相互獨(dú)立，這與實(shí)際應(yīng)用是不相符的，因?yàn)橄嗨菩盘?hào)的稀疏表示應(yīng)該是相似的?？紤]到人臉流形的幾何結(jié)構(gòu)，本文提出了局部群稀疏圖來(lái)刻畫相似人臉的結(jié)構(gòu)關(guān)系，并將其嵌入到稀疏表示框架中，建立了結(jié)構(gòu)稀疏表示模型。將結(jié)構(gòu)稀疏優(yōu)化問(wèn)題轉(zhuǎn)化為多個(gè)子問(wèn)題，提出了基于