人脸面部变化字典学习的单样本人脸识别问题

摘要 基于稀疏表达的分类识别方法(SRC)是近年来人脸识别领域的热点研究课题之一，该理论认为，可以用人脸数据库中的所有其他样本作为稀疏表达字典，并且理想状态下该样本仅与同类样本强相关．然而其对于样本数量有着较高要求，且在处理含有光照问题人脸图像时无法消除光照对数据库的影响．针对上述情况，在稀疏表达的基础上，利用随机投影和构造人脸面部变化模型来优化稀疏表达字典，提出一种新的单样本人脸识别算法．该算法在低维空间中不仅能保持原始数据的稀疏重构关系，还能提高单样本人脸识别准确率．通过AR，Yale B，Extended Yale B人脸数据库的实验证明了面部变化模型的框架和其算法的有效性