曾青松（广州番禺职业技术学院信息工程学院，广州　511483）

基于群正则化相似性度量的人脸识别方法

曾青松
（广州番禺职业技术学院信息工程学院，广州511483）

安全监控应用中，受光照、阴影和运动模糊等影响，通过人脸检测算子检测到的图像可能包含不完整的人像信息，严重影响到识别的精度。提出一种人脸选择算法，从给定的候选人像集合中选择一个高质量人像的子集，然后应用基于集合的人像识别算法进行识别，有效地提高识别的精度。在公开的人脸识别数据库Honda/UCSD和ChokePoint的实验结果显示，使用子集选择的算法能明显提高现有基于集合的人像识别算法的精度。

人脸识别；局部二值模式；集合匹配；子集选择

广东省自然科学基金（No.2015A030313807）

0　引言

传统的人脸识别方法主要基于少量高质量的正面人脸图像，随着技术的发展，我们可以方便地获取大量的人脸样本。最近研究人员逐渐从基于单一图像方法向多图像的研究转变，已经取得初步的研究成果。在非限制条件下，如监控环境、光照、姿态、表情等变化严重，这些变化导致不同实例的特征差异可能比不同身份的个体之间的特征差异更大，严重影响到识别结果。基于多图像的方法，可以利通多张图像提供的特征信息来消除因为某一特定因素变化而导致的差异。多图像的方法能够提供比传统单一图像的方法更多的鉴别信息，因此基于集合的方法可以有效地提升人脸识别的精确度。……