刘勇进，赵敬红

(沈阳航空航天大学 a 理学院;b 计算机学院，沈阳 110136)



信息科学与工程

基于稀疏恢复的l1范数凸包分类器在人脸识别中的应用

刘勇进a，赵敬红b

(沈阳航空航天大学 a 理学院;b 计算机学院，沈阳 110136)

摘要：人脸识别是统计模式识别领域中经典的分类问题，为了提高算法的分类性能，优化技术被广泛应用到人脸识别领域。提出基于稀疏恢复的l1范数凸包分类算法，将原始训练数据集进行低秩恢复，利用恢复出的低秩矩阵和误差矩阵构成新训练集字典建立各类训练样本凸包模型，并在l1范数意义下，计算观测样本与各类凸包模型差值，用所得差值等价观测样本到各类样本凸包的距离，将距离最小的一类视为判别输出类。在ORL(Olivetti Research Lab)标准人脸图像库上进行实验分析，实验证明基于稀疏恢复的l1范数凸包分类算法具有较高的识别效率。

关键词：人脸识别；l1范数；凸包；距离

随着优化技术和压缩感知[1]的不断深入研究，模式识别中的人脸分类问题备受关注，为了优化算法的效率，优化技术被应用到人脸的分类中。一般意义上，我们所指的统计模式中的模式是由多个高维空间中的各个点组成的。因此，模式识别中的分类问题可以看作是对高维空间中点的分类，人脸识别中相同类别人脸的分类问题可以用两类图像距离差的最小值表示[2]。在线性赋范空间中，我们可以把欧式空间中不同模式之间的相似性测量等价于范数问题。范数通常被看作是重要的测度工具，在统计模式识别以及优化技术中，不同的范数标准具有不同的物理意义以及分类结果，其中，l1范数、l2范数和l∞范数应用最为普遍。……