基于稀疏表示人脸识别系统的设计

摘要：为了消除光照对人脸识别的影响，提出一种基于光照鲁棒稀疏表示的人脸识别方法。该方法对图像作小波变换，得到光照归一化图像，通过对光照归一化后人脸图像作稀疏变换，稀疏表示分类得出测试识别结果。本文方法在Yale B人脸库上仿真实验，识别率较高，对光照、表情、遮挡具有一定的鲁棒性。

关键词：人脸识别;稀疏表示;鲁棒性

中图分类号：TP18 文献标识码：A

文章编号：1009-3044（2020）17-0179-01

开放科学（资源服务）标识码（0SID）：

1 引言

随着科学技术的发展，人脸识别技术快速发展并得到了广泛应用。人脸识别是计算机视觉与模式识别领域一个重要问题，一直都是研究的热点，在公共安全、人机交互、自助服务等领域中都有着重要的应用。经过几十年的发展，基于图像的人脸识别技术已经获得了巨大的进步，在理想条件下，人脸识别系统效果比较好，然而，在研究高效鲁棒性的人脸识别算法有诸多难点，其中就有“维数灾难”问题、光照变化问题、表情变化问题等[1]。为了提高光照的鲁棒性，本文提出一种基于光照鲁棒稀疏表示的人脸识别方法。其核心思想是：先对人脸图像进行小波归一化预处理，再将人脸图像进行稀疏表示的分类，得出测试人脸图像的类别。

2 稀疏表示人脸识别算法

稀疏表示分类将测试样本表示成训练样本的线性组合，通过稀疏重构求出稀疏系数进行图像分类[2]。对于同一个人脸图像来说，他们之间都存在明显的相似性，因此可以用全部人脸图像即训练样本，通过对训练样本的训练提取特征构造字典，再通过字典对测试人脸图像进行稀疏表示分类。设有C个人即C类，每个人有M张人脸图像即C*M人脸图像组成训练样本，通过训练，提取训练样本特征，构建字典A，测试图像y是C类中某一个人的人脸图像，则y，可由字典A线性组合表示，即y=Ax。通过计算得到系数x，判断测试图像类别。通过计算minllxll os.ty= Ax求解x。求向量Z。范数，是非凸函数，是NP难问题。在一定的条件下最小化l0范数和最小化Z，范数同解[3]，即minllxll.s.ly=Ax该问题是一个凸优问题，易求解。如果人脸图像像素损毁，即可转化为minllxll.+Allell，s.t y=Ax+e求解x，其中，e表示损毁产生的噪声，对应人脸图像损毁的像素。最后，根据稀疏表示系数x计算待测试图像y与每个人脸图像的重构误差（

）最小对应的类，即为识别结果。

3 实验仿真

本实验在Yale B[4]库上验证本文方法的有效性，机器采用联想台式机，处理器为InteI（R） Core2 E7500 2.94GHz，4G内存，Windows7 64位操作系统;软件采用Matlab2017b。Yale B库是由15个人的人脸图像组成，每人包含11张图像，随机的取出每个人一张人脸图像作为测试图像，构成测试集，剩下的每人10张人脸图像作为训练集，并将每个人脸图像依次标上序号。

实验仿真分三部进行第一步：图像预处理。通过对人脸图像预处理，增强对光照的不敏感，提高图像识别率。第二步：通过训练构建字典。通过对训练集训练，提取人脸图像的特征，构建训练字典。第三步：人脸图像测试。人脸图像测试分三种情况，第一种情况是实验仿真选择测试的人脸图像与训练集的人脸图像光照不同，如图1所示;第二种情况是实验仿真选择测试的人脸图像与训练集的人脸图像表情不同，如图2所示;第三种情况是实验仿真选择测试的人脸图像部分被遮挡。 4 结论

本文提出一种基于光照鲁棒的稀疏表示人脸识别方法，该方法对人脸图像作小波变换，得到光照归一化人脸图像，再通过稀疏变换，稀疏分类获得测试结果。实验仿真结果表明，本文方法不仅对光照具有良好的鲁棒性，而且对人脸图像部分遮挡以及表情都表现出一定的鲁棒性。

参考文献：

[1]平强，庄连生，俞能海.姿态鲁棒的分块稀疏表示人脸识别算法[J].中国科学技术大学学报，2011，41（11）：975-981.

[2]王林，邓芳娟.改进的加权稀疏表示人脸识别算法[J].计算机系统应用，2018， 27（6）：136-141.

[3] Candes E，Tao T.Near-optimal signal recovery from randomprojections： universal encoding strategies[J]. lEEE Transactionon Information Theory，2006，52（12）：5406-5425.

[4] GEORGHIADES A S，BELHUMEUR P N， KRIEGMAN D J.Form few to many： illumination cone models for face recogni-tion under variable lighting and pose[J].IEEE Trans on PatternAnalvsis and Machine Intelligence， 2001，23（6）：643-660.

【通聯编辑：唐一东】

基金项目：安徽省自然科学研究重点项目：基于人脸识别的智能门禁系统研究（KJ2018A0655）;校级科研项目：基于人脸识别的门禁系统研究（WJKY-201723）

作者简介：朱强军（1984-），男，硕士，讲师，研究方向为图像处理，模式识别。