张春燕， 张莹

(新疆警察学院 信息安全工程系，乌鲁木齐 830000)

超分辨率重建结合正则化最小二乘的人脸识别方法

张春燕， 张莹

(新疆警察学院 信息安全工程系，乌鲁木齐 830000)

针对三维人脸重建模型精度和优化方法准确性问题，提出了一种基于单一图像的无约束姿态不变人脸识别方法。使用一个二维的正面图像来重建三维人脸。创建人脸的三重协同字典矩阵，利用凸集投影进行超分辨率重建。通过具有正则化最小二乘的协同表示完成分类。在LFW数据库和视频人脸数据库上处理姿态变化取得了预期的结果，与多种方法比较表明，提出的方法具有更高的识别率。

人脸识别； 协同表示； 超分辨率重建； 正则化最小二乘法

0 引言

无约束的姿态不变人脸识别是计算机视觉中最困难和最具有挑战性的任务之一[1]。人脸姿态会有各种变化,在约束条件下经典人脸识别方法效率较好[2,3]。然而，在有光照和表情变化的现实世界情况下进行姿态不变人脸识别是非常困难的。

许多学者已经提出一些关于姿态不变人脸识别方法。文献[4]提出了一个基于三维模型生成的姿态矩阵的联合动态稀疏表示分类的人脸识别的现实世界框架。文献[5]通过双数复小波变换(DT-CWT)和采用支持向量机中的迭代得分分类提取了用于姿态不变人脸识别的特征库矩阵。文献[6]通过局部二值模式和稀疏表示分类提出了用于姿态不变人脸识别的稀疏字典矩阵框架。然而，大多数现有的方法识别时间无法达到实时性且识别率有进一步提升空间。……