基于RPCA和卷积神经网络的光照人脸识别

严培宏，李 雷

(南京邮电大学 理学院，江苏 南京 210023)

近年来在神经网络、图像处理、机器视觉、模式识别等领域，人脸识别作为一种利用生物特征的识别技术称为研究热点课题之一。同时，因人脸识别技术具有稳定性高的优点，被广泛的应用于安保系统和“考勤”系统中、以及在移动支付和交友APP系统等。目前人脸识别算法主要可分为：基于几何特征方法[1]、基于子空间方法[1]和基于局部特征方法[1]三大类。其中基于几何特征方法是人脸识别最早提出的方法之一。

虽然人脸识别已经发展到了一个很成熟的地步。但是，对于现实中的人脸识别，仍然存在着很多还未得到有效解决的问题，这些问题主要来源于所需识别的人脸图像受到外界因素的影响，如人脸图像受光照、表情、姿态、遮挡的影响等。而这些情况会导致训练图像和需识别图像之间的数据发生严重的误差。本文重点研究受光照因素影响的人脸识别问题。

针对主成分分析(Principal Component Analysis ，PCA)[2]和鲁棒主成分分析[3-6](RPCA)存在的优缺点，提出了基于RPCA和卷积神经网络[7-8]的人脸识别算法，首先对于人脸库中的人脸图像进行鲁棒主成分分析去除光照人脸的噪声影响，得到人脸图像的稀疏矩阵和低秩矩阵，然后再利用卷积神经网络对于得到的低秩图像进行识别分类,实验表明本文提出的基于RPCA和卷积神经网络的人脸识别提高了对于有光照影响的人脸识别率。

1 RPCA

1.1 鲁棒性主成分分析

本文首先利用RPCA对样本数据中的光照噪声进行处理，得到样本数据的低秩图像和稀疏图像。……