基于迭代加权低秩分解的遮挡人脸识别算法

针对传统低秩矩阵分解算法得出的稀疏矩阵中既包含遮挡因素和噪声因素的问题,提出基于迭代加权低秩分解的遮挡人脸识别算法。首先,利用迭代加权低秩分解算法分别提取各类训练样本中包含的遮挡和噪声因素。然后针对测试样本和训练样本遮挡情况有差异的问题,利用迭代加权低秩分解算法提取测试样本中包含遮挡所掩盖的信息。最后将每类训练样本的低秩矩阵、遮挡矩阵、噪声矩阵和测试样本中的遮挡向量构造新的联合字典,将测试样本表示为新的联合字典的稀疏线性组合,利用稀疏逼近计算残差,通过得到的系数进行分类判别。实验结果表明,基于迭代加权低秩分解的遮挡人脸识别算法在AR和ExtendedYaleB库上的识别率得到提高,相比其他方法有较好的识别结果,验证了该算法的有效性,对于遮挡情况具有很好的鲁棒性。