基于Gabor字典缩减的协作表示分类人脸识别算法

针对训练样本图像存在遮挡的问题,提出一种基于Gabor字典缩减的协作表示分类人脸识别算法。该方法对测试人脸图像、低秩人脸图像和遮挡误差图像分别进行Gabor变换,得到对应的增广Gabor特征向量。然后,提出一种Gabor遮挡字典缩减算法,用该算法得到缩减的Gabor遮挡字典,并用其与训练样本的增广Gabor特征向量一起构成Gabor缩减字典。最后用缩减字典对测试样本进行协作表示,并获取最终的识别结果。实验结果显示,本方法在保证算法识别率的基础上,降低了算法的复杂度,缩减了算法运行时间。

基于稀疏表示的快速l_2-范数人脸识别方法

多数稀疏表示方法需要原子数目远远大于原子维数的大规模冗余字典,并采用l1-范数最小化方法来计算稀疏系数。为了降低算法复杂度,提出一种基于稀疏表示的快速l2-范数人脸识别方法。通过提取融合特征和缩小字典规模来改善字典结构,增强l2-范数的稀疏性,从而在保证识别性能的前提下大幅提高算法运行速度。实验表明,与其他稀疏表示方法相比,该方法可以显著降低算法复杂度,同时可以保持良好的人脸识别率和排除干扰人脸的能力。