基于自正则化非负编码和自适应距离度量学习的视频人脸识别

摘要

针对鲁棒人脸识别中K近邻分类无法利用图像集中附加信息的问题,提出基于自正则化非负编码(SRNNC)和自适应距离度量学习的方法.首先,利用样本图像和从样本获得的仿射包模型联合表示一幅图像并进行自正则化非负编码;然后,通过保留大间距架构中数据之间的相似关系来学习更具判别性的马氏距离度量;最后,利用维度加权马氏距离和K近邻分类器完成人脸分类.针对灰度像素值和局部二值模式进行测试,在UCSD/Honda、CMU Moby和YouTube明星数据集上的实验表明,相比其他几种较为新颖的识别方法,该方法取得了更好的识别性能.