科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，人脸识别得到了广泛应用和快速发展。以协作表示分类(CRC)算法为代表的基于稀疏表示的分类方法取得了重大突破。然而，CRC因不能有效区分相似样本，从而非常容易分类错误。作为CRC的改进方法，两阶段测试样本稀疏表示方法(TPTSSR)剔除了那些对描述测试样本贡献不大的训练样本。但在TPTSSR中，仅进行一次剔除操作是远远不够的，因为某些无用样本仍可能被保留下来，同时那些有用样本可能会被随机删除。本文提出一种新的基于迭代剔除判别稀疏表示(DSP)方法，DSP利用稀疏参数直接度量训练样本的表示能力，同时通过多次迭代把大部分不相关的样本逐步剔除，从而避免误删有效样本。再通过在不同姿态、表情和噪声下的代表性人脸数据集进行实验，以评估DSP的性能。大量实验结果表明，在大部分情况下DSP比典型的SRC、CRC、RRC、RCR、SRMVS、RFSR和TPTSSR等算法具有更好的人脸识别效果。
- 单位
