基于行稀疏的局部约束矩阵回归模型的人脸识别研究

人脸识别是图像处理领域中一个经典而重要的问题。关于人脸识别有许多研究课题。在这些课题中,处理连续遮挡或光照变化是目前最具挑战性的问题之一。针对无遮挡与大面积遮挡下的人脸识别,本文设计基于行稀疏的局部约束矩阵回归模型(RSLMR)。该模型对误差矩阵施加l2,1-范数约束,而不是对误差矩阵直接施加核范数约束。此外,RSLMR利用测试图像内部的相似性添加关于重建图像的正则化项,还利用距离信息对类进行加权。此外,RSLMR通过减小表示系数相邻值的差异,迫使训练样本对应的系数值相近,以此利用类内所有训练样本的协作关系。最后,采用交替方向乘子法(ADMM)来求解所提出的模型。在FERET、ORL与CMU_PIE人脸数据库上的实验结果展示了RSLMR的有效性。与其他回归模型相比,即使存在大面积的遮挡区域,RSLMR也能保持较高的识别率。