蒋行国,冯彬,韦保林

(桂林电子科技大学通信与信息学院,广西桂林541004)

近几年来，随着MA Y[1-2]等人提出了基于稀疏表示分类的人脸识别，掀起SRC在人脸识别领域应用的热潮。郝静静[3]等人提出一种改进的人脸识别方法，效果得到明显提高。SALAH R[4]等人结合纹理特征提取和稀疏表示实现人脸表情的识别。Zhang Shiqing[5]等人把Gabor小波和局部二值化(LBP)分别用于表情特征提取，评估稀疏表示分类(SRC)的性能，并与支持向量机(SVM)、NSC、NNC等进行了比较。MAHOOR H[6]等人对人脸运动单元进行稀疏表示实现表情识别，并与SVM、NSC方法进行了比较。但表情特征相对于人脸特征复杂，表情样本少，加大了表情识别难度；直接运用SRC实现表情识别效果不是很好。邹修国[7]等人把人脸识别系统应用到DSP，为识别系统广泛应用奠定了基础。

针对上述识别方法的优缺点，本文提出双模板稀疏表示算法对人脸表情进行识别。通过增加正、负模板重构新的观测矩阵，优化了稀疏表示的性能，减少噪声、遮挡等对表情识别的影响，提高了表情的识别率。

1 基于稀疏表示的表情识别

1.1 稀疏表示理论

稀疏表示SR(sparse representation)可称为压缩感知，在很多领域扮演了越来越重要的角色。在式(1)中，稀疏表示理论的核心是在过完备矩阵D∈Rm×n下，重构出的逼近原信号x，可理解为求解方程的过程:

在实际应用中，当m＜＜n时，式(1)有无穷多解，即该方程是欠定方程。通过下式得到的最稀疏解x0即最小l0范数解:

但式(2)的求解过程是一个NP-hard问题，计算效率极低。参考文献[8]指出，在满足约束等距性RIP的条件下，最小l1范数解逼近最小l0范数解。……