一种改进的联合稀疏表示人脸识别算法.pdf

《一种改进的联合稀疏表示人脸识别算法》 人脸识别技术近年来在诸多领域得到了广泛应用，从门禁系统到智能手机，再到安全监控，它的便捷性和高效性使其成为了生物特征识别的重要手段。然而，传统的基于单摄像头的人脸识别系统存在一定的安全隐患，非授权用户可能利用授权者的照片来冒充身份。为解决这个问题，本文提出了一种改进的联合稀疏表示人脸识别算法，利用多个角度的摄像头捕捉人脸图像，提高了系统的可靠性和安全性。 稀疏表示理论在人脸识别中起着关键作用。Wright等人首次将稀疏表示引入人脸识别，他们不再依赖于直接构建的标准原子库，而是通过降维处理后的训练样本来建立字典。具体来说，每个类别的样本可以由这个字典的线性组合表示。测试样本同样可以通过字典进行稀疏求解，但实际中由于光照变化、噪声等因素，直接的稀疏表示并不理想，可能存在识别误差。 本文的改进之处在于，针对同一人脸的多角度图像，采用对应的字典原子进行稀疏求解，尽管每个图像在字典内的原子级别不同，但在类别级别上是一致的，这就为分类提供了可能。因此，提出了一个改进的联合稀疏表示模型，该模型适用于视频监控系统中的多角度图像处理。 模型的核心是联合稀疏表示，它考虑了不同角度图像间的关联性。通过联合稀疏表示，可以捕捉到各图像间的共同特性，以减少识别误差。联合稀疏表示的基本思想是用同一个字典的原子来线性表示多个相同对象的不同视角数据。在这个过程中，采用了混合范数（Frobenius范数和0-1混合范数）来处理，先用l1范数处理行，再用l0范数处理，以寻求最稀疏的表示。 然而，这种方法的挑战在于确保多角度图像在字典原子级别的稀疏表示一致。为克服这一难题，文章进一步探讨了如何优化联合稀疏表示，以更准确地捕捉到多角度人脸图像的共同特征，从而提高人脸识别的准确性。 这种改进的联合稀疏表示人脸识别算法为多摄像头环境下的身份验证提供了一个更安全、更可靠的解决方案。通过考虑不同视角下人脸图像的共性，该算法提高了识别的鲁棒性，减少了光照、噪声等因素的影响。这种方法不仅在理论上有重要意义，而且在实际应用中具有广阔前景，尤其在安全防护和智能监控等领域具有巨大的潜力。