基于Gabor特征和遮挡字典的带遮挡人耳识别.pdfVIP

学兔兔 第 36卷 第 9期 仪 器 仪 表 学 报 Vol_36No．9 2015年9月 ChineseJournalofScientificInstrument Sep．2015 基于 Gabor特征和遮挡字典的带遮挡人耳识别术 袁 立，刘 威 (北京科技大学 自动化学院 北京 100083) 摘 要 ：通过引入遮挡字典来编码图像受遮挡部分 ，稀疏表示分类方法在带有遮挡情况下的人耳识别中能够取得较好 的 识别性能。然而 ，常规的利用单位阵作为遮挡字典的方法会对稀疏模型求解带来很大的计算量 。提出了一种基于Gabor 特征和 Gabor遮挡字典的稀疏表示分类方法。利用图像的Gabor特征构造无遮挡字典 ，因为这种局部特征在姿态变化或 遮挡情况下具有一定的鲁棒性 。通过学习算法计算出比单位阵遮挡字典更为合理 的Gabor遮挡字典 ，使得图像中被遮挡 部分在遮挡字典上的稀疏编码具有更大的稀疏度。在两个人耳图像库上的实验结果表明，相 比已有的基于稀疏表示 的 人耳识别方法 ，该方法在遮挡情况下能够取得更好的识别效果 ；对 真实环境中存在头发遮挡 的人耳识别 ，也能够取得较 好 的识别性能。 关键词：带遮挡人耳识别；稀疏表示；Gabor特征；Gabor遮挡字典 中图分类号：TP391．4 TP392 TH164 文献标识码 ：A 国家标准学科分类代码 ：520．2040 Earrecognition underpartialocclusion basedOilGaborfeature and occlusion dictionary Yuan Li．LiuWei (SchoolofAutomationandElectricalEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China) Abstract：Throughintroducinganocclusiondictionarytoencodetheoccludedpartonthesourceimage，thesparserepresentationbased classificationmethodhasshowngoodperformanceinearrecognitionunderpartialocclusion．However，thelargenumbersofatomsinthe conventionalmethodusingunitarrayastheocclusiondictionary bringheavycomputationalburdentotheSRC modelsolving．Inthispa- per，weproposeaGaborfeatureandGaborocclusiondictionarybasedSparseRepresentationandClassification(GGSRC)schemeforear recognition．Thenon—occlusiondictionary isconstructedwiththeGaborfeatures，sincetheGaborfeaturesaremorerobusttoposevaria— tionandpartialocclusion．Thelearningalgorithm isusedtocalculatetheGaborocclusiondictionarythatismorereasonablethanidentity occlusiondictionaryandhasstrongerdiscriminationpowerthanidentityocclusiondictionary ，whichmakesthesparsecodingoftheocclu— dedpar