基于低秩子空間恢復(fù)人臉識(shí)別算法.pdf

1、人臉識(shí)別技術(shù)通過(guò)引入低秩子空間恢復(fù)理論取得了重大進(jìn)展并成為研究熱點(diǎn)，本文在國(guó)內(nèi)外相關(guān)低秩子空間恢復(fù)理論的研究成果基礎(chǔ)上，提出了基于低秩子空間恢復(fù)的人臉識(shí)別新思路。
　　首先，針對(duì)實(shí)際獲取人臉圖像存在光照強(qiáng)度差異、表情變化以及遮擋等原因影響圖像原始低秩結(jié)構(gòu)的問(wèn)題，提出基于低秩子空間恢復(fù)多子空間稀疏表示人臉識(shí)別算法。首先，將訓(xùn)練樣本分塊，利用分塊后的子模塊重構(gòu)訓(xùn)練字典并將訓(xùn)練字典低秩分解得到低秩矩陣和稀疏誤差矩陣。然后，將低秩矩陣進(jìn)行

2、主成分分析得到映射矩陣，將分塊后的訓(xùn)練字典和測(cè)試樣本分別在映射矩陣上投影。最后，在投影后的低秩空間進(jìn)行最大概率稀疏表示分類判別，并統(tǒng)計(jì)得出分類結(jié)果。
　　其次，針對(duì)低秩子空間恢復(fù)中得到的稀疏誤差部分可以有效預(yù)測(cè)測(cè)試樣本在訓(xùn)練樣本原有低秩結(jié)構(gòu)基礎(chǔ)之上可能存在的變化情況，提出基于低秩子空間恢復(fù)聯(lián)合降維與字典學(xué)習(xí)稀疏表示人臉識(shí)別算法。首先，利用訓(xùn)練樣本的低秩矩陣和稀疏誤差矩陣聯(lián)合構(gòu)造新的訓(xùn)練字典。然后，學(xué)習(xí)一個(gè)新的訓(xùn)練字典和與之匹配的映