论文研究基于形变模型的红外人脸鲁棒识别.pdf

针对人脸识别中的光照、表情和遮挡变化三大难题，引进热红外人脸克服光照变化，并且采用融合局部形变模型的人脸分类方法克服表情和遮挡变化。该方法将热红外测试人脸看成人脸库的线性组合，并用形变模型表示，通过l1最小优化求解组合系数，根据系数的稀疏性进行人脸识别。为了进一步提高算法的鲁棒性，采用人脸分片加权的策略。在Equinox人脸库上通过大量实验表明：基于红外光的人脸识别性能明显高于可见光对光照变化的影响；融合局部形变模型的人脸识别方法可以有效地提高识别率且克服红外人脸识别中的眼镜干扰与表情变化问题。