基于低秩稀疏分解的人臉圖像識別技術(shù)

周建華++李歡歡++陳彥羽

摘 要 對人臉圖像進行變換壓縮存儲后進行識別通常會造成系統(tǒng)資源的浪費且識別率不高，針對此問題，提出了一種基于壓縮感知低秩稀疏分解的人臉識別方法。采集端以較低的采樣頻率在采樣的同時計算圖像信號的觀測值，識別端以非線性最優(yōu)化重構(gòu)后比較低秩大系數(shù)來進行人臉識別。在公共人臉庫ORL上的仿真實驗結(jié)果表明，文中算法相對于同類算法，識別精確度和識別速度都有一定的提高。

【關(guān)鍵詞】壓縮感知 低秩稀疏分解 人臉識別

由于視頻監(jiān)控正在快速普及，眾多的視頻監(jiān)控應(yīng)用迫切需要一種遠距離、用戶非配合狀態(tài)下的快速身份識別技術(shù)，以求遠距離快速確認人員身份，實現(xiàn)智能預(yù)警。人臉識別系統(tǒng)通常包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識別（身份確認或者身份查找）幾個模塊。在人臉識別模塊中相關(guān)學者提出了模板識別、神經(jīng)網(wǎng)絡(luò)識別、主成分分析等多種有效的人臉識別算法。但這些算法都是在先獲取人臉原始圖像為前提，然后對圖像進行變換壓縮存儲后進行識別，造成系統(tǒng)資源的浪費且識別率不高，本文在壓縮感知框架下提出一種低秩稀疏分解的人臉圖像識別技術(shù)，以較低的采樣頻率在采樣的同時計算圖像信號的觀測值，重構(gòu)識別中進行非線性低秩系數(shù)比較，由于較好地利用人臉圖像信號的稀疏結(jié)構(gòu)和不相關(guān)性，識別效率相比現(xiàn)有的算法有一定的提高。

1 人臉圖像測量與重構(gòu)

將二維人臉圖像小波變換為一維離散信號X，采用基矩陣聯(lián)合經(jīng)驗權(quán)值線性組合為

式中，如果X在基矩陣上有且僅有K個大系數(shù)，則定義是X上的一個有效稀疏基，同理可以找到圖像信號多個稀疏基，構(gòu)成完備字典稀疏基。采用一個或多個聯(lián)合稀疏基對信號X進行完備測量，其中Φ稱為在基下的測量值矩陣，其測量值個數(shù)為M×N。重構(gòu)時間，采用正交匹配算法BOMP求解最優(yōu)化重建恢復(fù)，通過測量矩陣值y和觀測矩陣Φ逆變換最優(yōu)漸進求解得到原始人臉圖像近似信號矩陣X，其最優(yōu)問題重建過程如下式

2 特征點低秩稀疏分解識別

考慮人臉圖像特征點定位，采用小波域特征點為中心的分塊采樣策略，分塊分頻率重建。特征點低秩稀疏性是以特征點自適應(yīng)大小灰度再生矩陣，經(jīng)變換后矩陣仍然較大但具有稀疏性，分解的目的是從稀疏的誤差中恢復(fù)出本質(zhì)上低秩的人臉圖像數(shù)據(jù)矩陣，矩陣低秩稀疏分解也稱為低秩矩陣恢復(fù)，將已采集到的人臉圖像和特識別的圖像均進行特征點低秩稀疏分解后存儲后，根據(jù)特征點稀疏矩陣系數(shù)進行分析比較進行識別。定義網(wǎng)絡(luò)人臉模型中眉、眼、鼻特征點，通過文獻[2]算法確定其N個特征點的三維坐標并創(chuàng)建特征點相鄰灰度再生矩陣。令其對象特征點向量為，則可以將特征點一定范圍相鄰灰度再生矩陣表示為：

其中X表示其特征點光照特征矩陣，Y表示其特征點姿態(tài)特征矩陣，Z表示其特征點紋理特征向量矩陣。構(gòu)造訓(xùn)練樣本為人臉樣本的超完備字典，對其進行稀疏化特征表示為測試樣本，尋找最佳稀疏表示自然能區(qū)分出訓(xùn)練樣本中的不同類別。

3 實驗分析

通過本文算法，實驗數(shù)據(jù)是在ORL中選擇不定數(shù)個人臉圖像為訓(xùn)練樣本，其庫中剩余人臉為測試樣本，如圖1所示為2個人臉圖像訓(xùn)練樣本。通過有限次（大于100次）實驗得到識別算法精度和耗時結(jié)果平均值，本文所提的算法在時間復(fù)雜度上有所降低，在識別精度上大大提高，幾種經(jīng)典識別算法在復(fù)雜度、精確度及耗時的比較如表1所示。

4 結(jié)論

本文針對目前人臉識別系統(tǒng)中先壓縮后存儲再進行識別，造成系統(tǒng)資源的浪費且識別率不高的問題，在壓縮感知框架下提出一種低秩稀疏分解的人臉圖像識別技術(shù)，較好地利用人臉圖像信號的低秩稀疏性，相比現(xiàn)有的算法在精度和準確度都有一定的提高。然而本文工作僅考慮人臉圖像的特征點低秩稀疏特性，今后將在復(fù)雜環(huán)境下（部分遮擋、強光照射等）的魯棒性及精確率上做進一步實驗研究。

參考文獻

[1]周建華.基于特征點配準形變的三維人臉表情合成[J].西安文理學院學報（自然科學版）.2010，13（04）：71-74.

[2]Gross R，Matthews I，Cohn J.Multi-PIE[J].Image and Vision Computing，2015，38（05）：807-813.

作者簡介

周建華（1974-），男，湖南省寧鄉(xiāng)市人。湖南警察學院信息技術(shù)系副教授，主要從事壓縮感知及圖像處理研究。

作者單位

湖南警察學院 湖南省長沙市 410138endprint