面向测试人脸的局部特征约束字典学习算法

李争名　杨南粤

摘要：为了提高基于字典学习的人脸识别算法的性能，提出面向测试人脸样本的局部特征约束字典学习算法。首先，利用测试人脸样本从训练人脸样本集合中选择部分训练人脸样本，并利用其为每个测试人脸样本学习一个字典。其次，利用字典中的原子构造基于局部特征约束的判别式项，增强字典的判别性能。在LFW和FEKET两个人脸数据库中，实验结果表明提出的算法比五个稀疏编码和字典学习算法获得更好的分类性能。

关键词：字典学习；人脸识别；稀疏编码；协作表示；局部约束

1.概述

字典学习是稀疏理论中的一个重要的研究方向，其主要目的是利用一定的策略获得训练样本的最优表示，在人脸识别等领域中取得了较好的性能。在基于字典学习的人脸识别算法中，首先利用训练人脸样本集合学习一个或多个字典，然后利用字典对测试人脸样本进行稀疏表示，并根据表示结果对测试人脸样本进行分类。虽然从训练人脸样本集合中学习字典能够较好地重构训练人脸样本，但是在字典学习过程中忽略了测试人脸样本，学习得到的字典并不一定是测试人脸样本的最优表示，降低了字典的判别性能。为了解决上述问题，李提出面向测试样本的字典学习算法，把测试样本的协作表示模型加入到字典学习模型中，为每个测试样本学习一个字典，并利用该字典对测试样本进行分类，提高了字典的分类性能。但是该算法没有考虑训练样本与测试样本间的关系，而且在字典学习过程中忽略了训练样本间的特征，也在一定程度上降低了字典的判别性能。此外，在字典学习过程中，训练样本中的每个样本并不一定对字典的学习起正面作用，甚至可能对字典的学习起副作用。因此，为每个测试样本学习一个具有较强判别性能的字典对于提高基于字典学习的人脸识别算法的分类性能具有重要研究意义。

为此，本文提出面向测试人脸样本的局部特征约束的字典学习算法。首先，利用训练人脸样本线性表示测试人脸样本，并根据表示结果从训练人脸样本集合中选择对测试人脸样本贡献最大的K个训练人脸样本；然后，利用选择的K个訓练人脸样本为测试人脸样本学习一个字典，使得该字典是测试人脸样本的最优表示。为了进一步增强字典的判别性能，构造基于原子局部特征约束的判别式模型，使其不仅能够继承训练人脸样本的结构特征，还能保持原子间的结构特征，促使字典能够更好地表示测试人脸样本，增强基于字典学习的人脸识别算法的分类性能。