基于核范数的矩阵回归及其在遮挡与光照变化下的人脸识别中的应用
计算机视觉与模式识别
2014-05-07 v1
摘要
近年来，回归分析已成为人脸识别的流行工具。现有的回归方法均采用一维基于像素的误差模型，该模型逐个像素地表征表示误差，从而忽略了误差图像的整体结构。我们观察到，遮挡和光照变化通常会导致低秩误差图像。为了利用这种低秩结构信息，本文提出了一种基于二维图像矩阵的误差模型，即矩阵回归，用于人脸表示与分类。我们的模型以表示误差图像的最小核范数为准则，并采用交替方向乘子法计算回归系数。与当前的回归方法相比，所提出的基于核范数的矩阵回归（NMR）模型在缓解光照影响方面更具鲁棒性，且在去除由遮挡引起的结构噪声方面更直观且强大。我们在四个流行的人脸图像数据库（Extended Yale B 数据库、AR 数据库、Multi-PIE 和 FRGC 数据库）上进行了实验。实验结果证明了 NMR 相对于最先进的基于回归的人脸识别方法的性能优势。
引用
@article{arxiv.1405.1207,
title = {Nuclear Norm based Matrix Regression with Applications to Face Recognition with Occlusion and Illumination Changes},
author = {Jian Yang and Jianjun Qian and Lei Luo and Fanlong Zhang and Yicheng Gao},
journal= {arXiv preprint arXiv:1405.1207},
year = {2014}
}
备注
30 pages