包莹莹， 王华君， 徐燕华， 徐平平

(1. 无锡太湖学院 工学院， 无锡 214064; 2. 东南大学 信息科学与工程学院， 南京 211189)

判别共同法向量方法结合格拉斯曼流形的人脸识别

包莹莹1， 王华君1， 徐燕华1， 徐平平2

(1. 无锡太湖学院 工学院， 无锡 214064; 2. 东南大学 信息科学与工程学院， 南京 211189)

提出了判别共同法向量结合格拉斯曼流形的人脸识别方法。使用自熵图像表示人脸；利用判别共同法向量方法提取特征，并利用字典学习优化特征矩阵；将提取的特征表示在格拉斯曼流形上，对格拉斯曼流形上的点进行有效聚类，并利用投票方法完成分类。在Caltech和AR人脸数据库上的实验结果表明，相比其他几种较新的表情和光照人脸识别方法，提出的方法取得了最高的识别率，且明显减少了执行时间，对人脸表情和光照变化具有鲁棒性。

人脸识别； 判别共同法向量方法； 鲁棒性； 格拉斯曼流形； 投票方法； 自熵图像

0 引言

人脸识别[1-3]通过对从未知对象图片提取的特征和已存数据库数据进行比较识别未知目标对象，已广泛应用于基于生物特征的人机交互中，如视频监控和访问控制等[4,5]。大多数传统的方法在非限制条件下均能取得较好的识别效果，但是，当出现带有光照和表情变化时，识别效果并不很理想[6]。

针对面部表情和光照变化，学者们提出了许多人脸识别方法[7-11]，例如，文献[8]利用一个学习的度量进行最近邻表情检索，在面部表情方面获得了较高的识别率，但该方法无法容忍训练数据中的噪声标记。……