基于高阶结构约束的稀疏人脸识别算法

doi:10.3969/j.issn.1006-2475.2016.09.016

计算机与现代化

基于高阶结构约束的稀疏人脸识别算法

(陕西交通职业技术学院经济管理系，陕西西安710018)

收稿日期:2016-05-25 出版日期:2016-09-12 发布日期:2016-09-13
作者简介:范引娣(1979-),女,陕西礼泉人, 陕西交通职业技术学院经济管理系讲师，硕士,研究方向：智能图像处理。

Face Recognition Algorithm Based on High-order Structure Constrain Sparse Representation

为了挖掘人脸稀疏表示的高阶结构信息，从而获得更精确的人脸分类判别信息，提出一种新的基于高阶结构约束的稀疏表示的人脸识别算法。在提取人脸图像的Gabor特征后，选取适当的训练样本构建稀疏线性编码模型，利用样本特征间的高阶结构信息约束和最优化求解测试样本的稀疏系数，将稀疏系数作为最终特征对人脸进行识别，实验结果表明，与结构约束稀疏表示和非结构约束稀疏表示的方法比较，人脸的高阶结构稀疏表示能显著提高人脸的识别准确率。

Received:2016-05-25 Online:2016-09-12 Published:2016-09-13

摘要/Abstract

摘要： 为了挖掘人脸稀疏表示的高阶结构信息，从而获得更精确的人脸分类判别信息，提出一种新的基于高阶结构约束的稀疏表示的人脸识别算法。在提取人脸图像的Gabor特征后，选取适当的训练样本构建稀疏线性编码模型，利用样本特征间的高阶结构信息约束和最优化求解测试样本的稀疏系数，将稀疏系数作为最终特征对人脸进行识别，实验结果表明，与结构约束稀疏表示和非结构约束稀疏表示的方法比较，人脸的高阶结构稀疏表示能显著提高人脸的识别准确率。

关键词: 高阶结构约束, 稀疏表示, 人脸识别

Abstract: To capture the high-order structure information on sparse representation for more accurate face recognition information, a new face recognition algorithm based on high-order structure constrain sparse representation was presented. Gabor features extracted from face images were used to construct sparse linear coding model. The sparse coefficients were obtained by the optimization with the high-order structure constrain, and face images were classified by sparse coefficient mean. Comparing with the distribution structure constrains and non-structure constrain sparse representation, the proposed algorithm significantly improves the accuracy of face recognition.

Key words: high-order structure, sparse representation, face recognition

中图分类号:

TP391.41

范引娣. 基于高阶结构约束的稀疏人脸识别算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.09.016.

FAN Yin-di. Face Recognition Algorithm Based on High-order Structure Constrain Sparse Representation[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.09.016.

参考文献

［1］吴巾一,周德龙. 人脸识别方法综述［J］. 计算机应用研究, 2009,26(9):3205-3209.
［2］李武军,王崇骏,张炜,等. 人脸识别研究综述［J］. 模式识别与人工智能, 2006,19(1):58-66.
［3］杨利平,辜小花. 用于人脸识别的相对梯度直方图特征描述［J］. 光学精密工程, 2014,22(1):152-159.
［4］马小虎,谭延琪. 基于鉴别稀疏保持嵌入的人脸识别算法［J］. 自动化学报, 2014,40(1):73-82.
［5］潘禹岐,江铭炎,张振月. 基于流形的局部加权协从表示人脸识别［J］. 计算机应用研究, 2016,33(7).
［6］汤镇宇,孟凡荣,王志晓. 基于稀疏表示的快速l2范数人脸识别方法［J］. 计算机应用研究, 2016,33(9).
［7］蔡体健,樊晓平,徐君,等. 包含非连通组的动态组结构稀疏人脸识别方法［J］. 计算机辅助设计与图形学学报, 2016,28(4):589-596.
［8］刘峰,孟凡荣,梁志贞. 基于一阶和二阶信息图像表示的人脸识别［J］. 计算机应用研究, 2017,34(2).
［9］马晓,张番栋,封举富. 基于深度学习特征的稀疏表示的人脸识别方法［J］. 智能系统学报, 2016(3):279286.
［10］王亚星,齐林,郭新,等. 基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别［J］. 计算机应用研究, 2016,33(4):1253-1257.
［11］李冰锋,唐延东,韩志. 基于改进的NMF人脸识别算法研究［J］. 计算机仿真, 2016(3):428-432.
［12］林克正,庄靓玮,荣友湖,等. 基于Gabor特征的全局加权稀疏表示［J］. 哈尔滨理工大学学报, 2016,21(1):4044.
［13］张建明,刘阳春,吴宏林,等. 基于Gabor特征与投影字典对学习的人脸识别算法［J］. 计算机工程与科学, 2016,38(3):542-548.
［14］杨艺芳,王宇平. 一种鉴别稀疏局部保持投影的人脸识别算法［J］. 西安交通大学学报, 2016,50(6):54-60.
［15］刘春荣. 基于结构字典的图像修复算法［J］. 计算机与现代化, 2014(7):85-88.
［16］范引娣. 基于分布结构约束稀疏表示的图像分类方法［J］. 计算机与现代化, 2015(7):73-76.
［17］Wang Jinjun, Yang Jianchao, Yu Kai, et al. Locality-constrained linear coding for image classification［C］// IEEE Conference on In Computer Vision and Pattern Recognition (CVPR). 2010:3360-3367.
［18］Gao Shenghua, Tsang Ivor W, Chia LiangTien, et al. Local features are not lonelyLaplacian sparse coding for image classification［C］// 23rd IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2010:3555-3561.
［19］Li Xi, Hu Weiming, Shen Chunhua, et al. Contextaware hypergraph construction for robust spectral clustering［J］. IEEE Transactions on Knowledge & Data Engineering, 2014,26(10):2588-2597.
［20］Sunderrajan S, Manjunath B S. Context-aware hypergraph modeling for re-identification and summarization［J］. IEEE Transactions on Multimedia, 2016,18(1):51-63.
［21］Schlkopf B, Platt J, Hofmann T. Learning with hypergraphs: Clustering, classification, and embedding［C］// Advances in Neural Information Processing Systems. 2006,19:1601-1608.
［22］Lee H, Battle A, Raina R, et al. Efficient sparse coding algorithms［C］// Advances in Neural Information Processing Systems. 2006:801-808.
［23］Wright J, Yang A Y, Ganesh A, et al. Robust face recognition via sparse representation［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2009,31(2):210-227.
［24］Yang Meng, Zhang Lei,Yang Jian, et al. Metaface learning for sparse representation based face recognition［C］// IEEE International Conference on Image Processing. 2010:1601-1604.

[1]	王鑫, 肖韬睿. 基于生成对抗网络的人脸识别对抗攻击[J]. 计算机与现代化, 2023, 0(10): 115-120.
[2]	盛江岸, 陈淑荣. 融合双重注意力机制的戴口罩人脸识别方法[J]. 计算机与现代化, 2023, 0(02): 72-77.
[3]	刘缨杰, 兰海, 魏宪. 基于卷积与稀疏编码的半监督学习方法[J]. 计算机与现代化, 2022, 0(11): 9-16.
[4]	陈凯,祖莉,欧屹. 基于YOLOv3与ResNet50的摄影机器人人脸识别跟踪系统[J]. 计算机与现代化, 2020, 0(04): 30-.
[5]	李硕1，卞青山2，刘传文2，刘鸣涛1，张林涛1 . 基于DCNN的证件照人脸验证及应用研究[J]. 计算机与现代化, 2020, 0(02): 104-.
[6]	崔娟娟1，张蕾1,侯谢炼2，陈才扣2，张海燕1. 基于鉴别性低秩表示的2阶段人脸识别算法[J]. 计算机与现代化, 2019, 0(12): 55-.
[7]	李垒，任越美. 基于多任务联合判别稀疏表示的人脸识别[J]. 计算机与现代化, 2019, 0(10): 72-.
[8]	黄武飞1，曾吉昌1，黄锦权1，李思寒1，陈育均1，陈钊1，郑志硕1,2. 基于实验室安保服务型机器人的人脸识别[J]. 计算机与现代化, 2019, 0(07): 61-.
[9]	郑健,王志明,张宁. 一种基于深度学习的改进人脸识别算法[J]. 计算机与现代化, 2018, 0(12): 90-.
[10]	潘峥嵘，王震. 一种结合Gabor小波与深度学习的人脸识别方法[J]. 计算机与现代化, 2018, 0(11): 46-.
[11]	郑秋梅，谢换丽，王风华，苏政，刘真. 一种基于局部三值模式的深度学习人脸识别算法[J]. 计算机与现代化, 2018, 0(02): 112-.
[12]	陈湘，王玲. 权值融合原始和虚拟样本的人脸识别方法[J]. 计算机与现代化, 2017, 0(3): 91-.
[13]	薛以梅. 基于稀疏表示和梯度先验的图像盲去模糊[J]. 计算机与现代化, 2017, 0(12): 39-42.
[14]	高亮1，潘积远2，于佳平3. 多元线性回归在非负矩阵分解人脸识别中的应用[J]. 计算机与现代化, 2017, 0(11): 41-45+54.
[15]	李蔷. 基于内容自适应稀疏字典的图像集压缩算法[J]. 计算机与现代化, 2017, 0(11): 62-66.

基于高阶结构约束的稀疏人脸识别算法

Face Recognition Algorithm Based on High-order Structure Constrain Sparse Representation

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价