基于结构化低秩表示和低秩投影的人脸识别算法

计算机工程与科学

基于结构化低秩表示和低秩投影的人脸识别算法

刘作军，高尚兵

（淮阴工学院计算机工程学院,江苏淮安223003）

收稿日期:2016-01-13 修回日期:2016-09-29 出版日期:2018-01-25 发布日期:2018-01-25
基金资助:
国家自然科学青年基金(61402192)；江苏省高校自然科学研究面上项目（14KJB520006）；江苏省先进制造重点实验室开放课题（HGAMTL-1401）

Face recognition based on structured low

rank representation and low rank projection

LIU Zuo-Jun，GAO Shang-bing

（School of Computer Engineering,Huaiyin Institute of Technology,Huai’an 223003,China）

Received:2016-01-13 Revised:2016-09-29 Online:2018-01-25 Published:2018-01-25

摘要/Abstract

摘要：

在实际的人脸识别中，给定的训练图像往往存在遮挡和噪声，导致稀疏表示分类（SRC）算法的性能下降。针对上述问题，提出一种基于结构化低秩表示（SLR）和低秩投影的人脸识别方法——SLR_LRP。首先通过SLR对原始训练样本进行低秩分解得到干净的训练样本，根据原始训练样本和恢复得到的干净训练样本得到一个低秩投影矩阵；然后将测试样本投影到该低秩投影矩阵；最后使用SRC对恢复后的测试样本进行分类。在AR人脸库和Extended Yale B人脸库上的实验结果表明，SLR_LRP可以有效处理样本中存在的遮挡和像素破坏。

关键词: 低秩矩阵恢复, 结构化低秩表示, 低秩投影, 稀疏表示分类

Abstract:

Occlusion and corruption in the training images result in degraded performance of the sparse representation classification (SRC) algorithm in practical applications of face recognition. Aiming at the aforementioned problem, we propose a new face recognition method based on structured low rank representation (SLR) and low rank projection (LRP), called SLR_LRP. Firstly, the original training samples are decomposed via SLR to obtain clean training samples. And a LRP matrix is learned based on the original training samples and the recovered clean samples. Secondly, test samples are projected onto the LRP matrix. Finally, SRC is exploited to classify the corrected test samples. Experiments on the AR and the Extended Yale B face databases demonstrate that the SLR_LRP can effectively deal with the occlusion and pixel corruption in samples.

Key words: low rank matrix recovery, structured low rank representation, low rank projection (LRP), sparse representation classification

刘作军，高尚兵. 基于结构化低秩表示和低秩投影的人脸识别算法[J]. 计算机工程与科学.

LIU Zuo-Jun，GAO Shang-bing.

Face recognition based on structured low

rank representation and low rank projection

[J]. Computer Engineering & Science.

[1]	孙雨浩, 陶洋, 胡昊. 基于判别低秩矩阵恢复和协同表示的遮挡人脸识别[J]. 计算机工程与科学, 2020, 42(12): 2199-2207.
[2]	杨国亮，唐俊，王建，朱松伟，梁礼明. 基于低秩投影中稀疏误差矩阵分析的视觉跟踪[J]. 计算机工程与科学, 2017, 39(05): 944-950.
[3]	杨方方1，吴锡生1，顾标准2. 基于低秩子空间投影和Gabor特征的稀疏表示人脸识别算法[J]. 计算机工程与科学, 2017, 39(01): 131-137.
[4]	甘炎灵，金聪. SRC最佳鉴别投影及其在人脸识别中的应用[J]. 计算机工程与科学, 2016, 38(11): 2282-2288.