改进随机子空间LDA结合多补丁集成学习的鲁棒人脸识别算法

摘要: 针对化妆对人脸识别准确率的负面影响，提出了基于补丁集成学习的改进鲁棒人脸识别算法。首先，将每张人脸图像嵌入补丁中并用一组特征描述符描述每个补丁，即本地梯度Gabor模式(LGP)、Gabor空间定序定比测量直方图(HGSFRM)和密集采样局部多值模式(DSLMP )。然后，使用改进的随机子空间线性判别分析(SRS-LDA)方法采样补丁，并在化妆之前和化妆之后图像之间建立多个公共子空间进行集成学习。最后，利用协作和稀疏表示分类器比较这个子空间中的特征向量，同时通过求和规则联合得到的分数。实验将提出的算法在多种化妆数据集上进行评估分析，结果表明提出的算法相比于其他专为妆后人脸识别设计的算法有更高的识别精度。