一种改进的联合稀疏表示人脸识别算法

吴明 潘亚宾

摘   要：人脸识别技术的应用背景越来越广泛。目前将人脸识别技术应用到门禁系统多是基于单个摄像头，其缺点是非授权的访客可以通过使用授权用户的正面照片来获得访问权限。为了应对这些在现实生活中可能会出现的问题，本文提出使用预先放置在多个角度的摄像头，同时拍摄多张人脸图像，再对这多张图像进行处理，从而使系统可靠性更高。针对上述多张图像同时进行人脸识别，本文提出了一种改进的联合稀疏表示多图像人脸识别算法。

关键词：人脸识别  稀疏表示  算法

中图分类号：TP391.41                             文献标识码：A                        文章编号：1674-098X（2020）06（a）-0158-03

由Wright提出将稀疏表示用于人脸识别中[1]。与以往不同的是，其主要思想不是直接利用训练样本得到标准原子库，再通过标准原子库来构造字典，而是采用经过降维处理后的训练样本先得到原子库，再通过此时的原子库来构造字典。

首先定义训练样本矩阵（即构造字典），其中是C类别数目，假设任何一个第C类样本都可以由上述的构造字典线性表示，则y可以由下列线性组合表示[2]。

由于实际图像中常包括光照不均、噪声干扰等问题，故由式（3）得到的2并一定稀疏且得到的解不唯一，即测试样本不可能由训练样本精确地表示[3]。

为了尽可能减小识别误差，本文通过对左侧图像同一人脸的多角度测试样本采用对应的字典原子进行稀疏求解从而进行识别[4]。左侧的每个图像虽然都来自于同一张人脸，但是每张图像中的人脸的位置却有很大的差异，因此如果对左侧的每张图像进行稀疏表示，那么它们在字典内的原子级别必然是不同的，但是稀疏表示在字典内类别的级别上是相同的[5-6]。……