基于局部约束低秩表示与字典学习的人脸识别
计算机视觉与模式识别
2019-12-09 v1
摘要
由于人脸识别在智慧城市应用中的重要性，其已得到广泛研究。然而，训练与测试图像同时被污染的情况尚未得到很好解决。针对这一问题，本文提出一种用于鲁棒人脸识别的局部约束低秩表示与字典学习（LCLRRDL）算法。具体而言，我们在所提公式中作出了三点贡献。首先，引入低秩表示以处理训练及测试数据可能存在的污染。其次，引入局部约束以考量训练数据的内在流形结构。借助局部约束项，我们的方案使相似样本具有相似表示。第三，学习一个紧凑字典以应对 corrupted 数据问题。在两个公开数据库上的实验结果证明了所提方法的有效性。我们提出的 LCLRRDL 的 Matlab 代码可从 https://github.com/yinhefeng/LCLRRDL 下载。
引用
@article{arxiv.1912.03145,
title = {Face Recognition via Locality Constrained Low Rank Representation and Dictionary Learning},
author = {He-Feng Yin and Xiao-Jun Wu and Josef Kittler},
journal= {arXiv preprint arXiv:1912.03145},
year = {2019}
}
备注
6 pages, 2 figures