基于低秩分解的鲁棒人脸识别方法研究.pdf

摘要

摘要

目前，人脸识别已经成为广大用户最容易接受的生物特征识别技术。该技术不

仅在身份认证、公共安全、便捷金融和密码认证等方面都得到了广泛应用，更是引

起了学术界和商业界的高度关注。然而，人脸图片在采集过程中容易受外部因素的

干扰，如户外自然光的阴影会使得人脸部分信息丢失；同一个人因为戴了围巾和墨

镜等产生了面部遮挡；不同拍摄光影下人脸面部特征的改变。这些客观因素的存在，

使得如何从海量的冗余图像数据中挖掘出更深层次和更具结构性的人脸信息成为

一个亟待解决的挑战性问题。

本文针对上述人脸识别技术面临的问题，从低秩分解的角度出发，重点研究了

遮挡、噪声和光照等因素的影响下，图像内在低秩信息的特征提取。基于非负矩阵

分解和鲁棒主成分分析算法，提出了两种更为鲁棒的人脸识别方法。本文所取得的

主要研究成果表现在以下几个方面：

1

（）本文对人脸识别技术展开研究，对其发展趋势以及鲁棒人脸识别研究现

状进行了简要陈述，进一步阐述了鲁棒人脸识别方法的必要性。后对人脸数据进行

预处理，并模拟了人脸图像易受到遮挡、光线和噪声污染等不良情况，构建了后续

用于人脸识别的数据集。

（2）提出了一种基于非负矩阵分解和PowerMeans的鲁棒人脸识别模型，该

L

模型使用范数度量重构后的非负矩阵分解目标函数。对构建后的非凸目标函数，

P

采用最大最小化算法和Nesterov’s最优梯度法进行求解。将所提方法应用到人脸识

别中能够有效捕获到人脸图像中具有鉴别性的特征。与其他非负矩阵分解算法相比，

该方法极大程度地抑制了遮挡、噪声污染和异常值对人脸识别准确率的影响，具备

可行性和鲁棒性。

（3）提出了一种鲁棒主成分分解和PowerMeans相结合的鲁棒人脸识别方法，

SL

该方法结合加权范数和范数重构了一种广义的鲁棒主成分分析模型。对重构

PP

后的非凸目标函数，采用交替方向乘子法进行优化求解。该方法在应用于人脸识别

时，能够有效分离出图像本身的低秩信息并提取出具有鉴别性的人脸特征。通过在

多个数据库的不同情境下进行人脸识别实验，验证了所提方法能够有效适应人脸识

别过程中的复杂环境并提升识别性能。

关键词：人脸识别特征提取低秩分解非负矩阵分解鲁棒主成分分析

I

Abstract

Abstract

Currently,facerecognitionhasbecomethemostwidelyembraced

biometricidentificationtechnologyamongusers.Thistechnologyhasbeen

extensivelyappliednotonlyinidentityauthentication,publicsafety,

convenientfinance,andpasswordverificationbutalsohasgarnered

significantattentionfromacademiaandindustry.However,facialimages

aresusceptibletoexternalfactorsduringtheacquisitionprocess;for

instance,shadowsfromnaturaloutdoorlightcanresultinpartiallossof

facialinformation,facialobstructionduetoaccessorieslikescarvesand

sunglasses,andalterationsinfacialfeaturesunderdifferentshooting

angles.Theexistenceoftheseobjectivefactorsposesa