周 洋， 宋長明

(中原工學(xué)院 理學(xué)院， 河南 鄭州 450007)

人臉識(shí)別是圖像識(shí)別中研究最為廣泛的一種技術(shù)，它通過比對人的臉部特征信息實(shí)現(xiàn)身份識(shí)別。但是，在光照、遮擋和采樣不足等情況下,傳統(tǒng)方法的人臉識(shí)別效果較差。因此，提高光照、遮擋和采樣不足等情況下人臉識(shí)別算法的性能具有現(xiàn)實(shí)意義。

當(dāng)前，稀疏表示方法在人臉圖像識(shí)別領(lǐng)域得到了廣泛研究[1-2]。WRIGHT等在2009年提出基于稀疏表示的分類(Sparse Representation-based Classification，SRC)框架[3]，將稀疏表示成功引入圖像識(shí)別領(lǐng)域。該算法以訓(xùn)練圖像作為基準(zhǔn)字典，采用稀疏表示對測試圖像進(jìn)行分類，能夠較好地識(shí)別受噪聲和遮擋等因素干擾的人臉圖像。在WRIGHT等研究的基礎(chǔ)上， DENG等在2012年提出了ESRC(Extended Sparse Representation-based Classification)算法[4]。該算法除基準(zhǔn)字典外，以訓(xùn)練圖像和測試圖像之間可能的誤差作為輔助字典，提高了采樣不足情況下人臉識(shí)別算法的性能。2018年，DENG等受線性判別分析的啟發(fā)，提出疊加線性表示分類(Superposed Linear Representation Classification，SLRC)的人臉識(shí)別算法[5]。該算法將測試樣本表示為類中心矩陣和類內(nèi)變化矩陣的疊加，有效地提高了對人臉單一樣本圖像的識(shí)別精度。以上算法在求解時(shí)均采用l1范數(shù)正則化方法，因此時(shí)間復(fù)雜度較高。而ZUO等研究認(rèn)為，lp范數(shù)(0

目前很多主流的人臉識(shí)別算法都依賴于深度學(xué)習(xí)，例如DeepFace[9]、DeepID2+[10]、VGGFace[11]和FaceNet[12]等算法。雖然這些算法在實(shí)際應(yīng)用中取得了很好的效果，但是深度神經(jīng)網(wǎng)絡(luò)往往需要大量的訓(xùn)練樣本。此外，用于常規(guī)人臉識(shí)別的深度神經(jīng)網(wǎng)絡(luò)在遮擋等因素影響下并不具有很好的魯棒性。

針對以上問題，本文從不犧牲算法運(yùn)行時(shí)間的角度出發(fā)，在SLRC算法的基礎(chǔ)上，基于lp范數(shù)正則化方法的優(yōu)勢，提出一種基于lp范數(shù)(0

1 相關(guān)工作

1.1 稀疏表示模型

在人臉圖像識(shí)別應(yīng)用中，稀疏表示方法是一種有效工具。通常情況是以給定訓(xùn)練圖像來稀疏表示測試圖像的。假設(shè)k類訓(xùn)練樣本矩陣為A，且A=[A1,A2,…,Ak]∈Rn×m，其中，子矩陣Ai表示第i類樣本，則任意測試樣本y都可以通過訓(xùn)練樣本矩陣A表示出來，即y=Ax。最初，在稀疏表示時(shí)，采用以下極小化目標(biāo)函數(shù)，求得y=Ax的解。

(1)

式中：λ為正則化參數(shù)；‖·‖0為l0范數(shù)，用于計(jì)算x中非零元素的數(shù)量。

式(1)中l(wèi)0范數(shù)極小化是NP難問題，研究者通常采用與l0范數(shù)最為接近的l1范數(shù)進(jìn)行代替，即

(2)

SRC算法采用式(2)作為目標(biāo)函數(shù)，雖然在人臉識(shí)別方面取得了令人可信的結(jié)果，但是選取樣本圖像作為基準(zhǔn)字典，在采樣不足情況下的識(shí)別率仍會(huì)受到影響。在式(2)的基礎(chǔ)上，SLRC算法首先將訓(xùn)練樣本矩陣A∈Rn×m分解，得到類中心矩陣P∈Rn×k和類內(nèi)變化矩陣V∈Rn×m，然后將測試樣本表示為類中心矩陣和類內(nèi)變化矩陣的疊加。該算法在描述樣本差異的同時(shí)解決了單樣本的字典完備性問題，改善了人臉識(shí)別算法在采樣不足情況下的性能。

1.2 lp范數(shù)表示模型

以上方法均采用l1范數(shù)求解稀疏性問題，雖然l1范數(shù)具有一定的有效性，但是并不能保證所獲得的模型在多數(shù)情況下都具有最好的稀疏性。文獻(xiàn)[13]認(rèn)為，lp范數(shù)(0

(3)

目前，有許多求解lp范數(shù)稀疏編碼的算法，如迭代重加權(quán)最小二乘(IRLS)[14]、迭代重加權(quán)l(xiāng)1極小化(IRL1)[15]、迭代閾值(ITM-lp)[16]、查找表(LUT)[17]和廣義迭代閾值(GISA)[6]等算法。在某些情況下，前3種算法無法求得全局最優(yōu)解，LUT算法需要計(jì)算存儲(chǔ)查找表。相比之下，GISA算法更可靠，可以獲得更精確的解。在文獻(xiàn)[6]中，ZUO等采用GISA算法求解原始的SRC模型，展示SRC算法對于不同p值的識(shí)別率，取得了很好的效果。因此，在一定程度上，lp范數(shù)要優(yōu)于l1范數(shù)。

2 基于lp范數(shù)和融合字典的人臉識(shí)別模型

2.1 模型提出

本文基于lp范數(shù)(0

(1) 將訓(xùn)練樣本圖像矩陣A∈Rn×m分解為類中心矩陣

P=[c1,…,ci,…,ck]∈Rn×k

(4)

和類內(nèi)變化矩陣

(5)

式中：ci表示第i類的質(zhì)心；ei=[1,1,…,1]T∈Rni×1。

(2) 融合類中心矩陣P和類內(nèi)變化矩陣V，作為融合字典[P,V]∈Rn×(k+m)，則融合字典可稀疏表示待測定的樣本y，即y=[P,V][α,β]T。融合字典采用類中心矩陣描述光照、遮擋情況下樣本的誤差，采用類內(nèi)變化矩陣來增強(qiáng)采樣不足情況下字典的完備性。當(dāng)一類訓(xùn)練樣本不足時(shí)，融合字典中的類內(nèi)變化矩陣V來自訓(xùn)練集外的其他圖像。因此，基于lp范數(shù)(0

(6)

2.2 模型求解

(7)

即

(8)

這里借鑒文獻(xiàn)[6]提出的一種泛化軟閾值算法(Generalized Soft-Thresholding，GST)，可以有效求解該問題。

給定p和λ，存在如下閾值：

(9)

(1) GST算法(算法1)：

(a) 輸入：測試樣本y，參數(shù)λ>0，p值，迭代次數(shù)J；

按照GST算法原理，式(8)可轉(zhuǎn)化為如下形式：

(10)

(2) 求解式(6)的算法可總結(jié)如下(算法2)：

(a) 輸入：測試樣本y，參數(shù)λ>0，p值，迭代次數(shù)J；

(c) 循環(huán)以下步驟：

2.3 算法表示

在解決式(6)的求解問題后，與第i類相關(guān)的測試樣本可近似表示為：

(11)

(12)

進(jìn)而給出如下分類方法：

label(y)=arg miniri(y)

(13)

式中，label(y)為測試樣本y的類標(biāo)簽。

綜上所述，本文提出如下基于lp范數(shù)(0

(a) 輸入：訓(xùn)練樣本矩陣A=[A1,A2,…,Ak]∈Rn×m，測試樣本y，參數(shù)λ>0；

(b) 利用式(4)和式(5)計(jì)算融合字典[P,V]；

(c) 利用主成分分析(PCA)法計(jì)算投影矩陣Φ∈Rd×p，并將融合字典[P,V]降維，[P,V]←ΦT[P,V]；

(d) 將融合字典[P,V]歸一化；

(f) 利用式(12)計(jì)算殘差ri(y)；

(g) 輸出：測試樣本y的類標(biāo)簽label(y)=arg miniri(y)。

3 實(shí)驗(yàn)

為檢驗(yàn)算法的性能，可選擇SRC、ESRC、SLRC、SRC-p算法和本文算法進(jìn)行仿真，并采用PCA法降低樣本的特征維度。實(shí)驗(yàn)在Matlab R2011a軟件環(huán)境下Intel Core i5-4200 M 2.50 GHz計(jì)算機(jī)上進(jìn)行。

3.1 p取不同值時(shí)的人臉識(shí)別

為了測試參數(shù)p取不同值時(shí)本文算法的性能，在Extended Yale B數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn)。該數(shù)據(jù)庫包含64種不同光照條件下38個(gè)人2 432張正面人臉圖像，每張圖像的分辨率為168×192。圖1所示為Extended Yale B 數(shù)據(jù)庫的部分圖像。

圖1 Extended Yale B數(shù)據(jù)庫的部分圖像

為了降低各種算法的計(jì)算成本和內(nèi)存占用量，可將這些圖像裁剪為32×32維。實(shí)驗(yàn)中針對每個(gè)人選擇16張樣本圖像用于訓(xùn)練，剩余樣本圖像用于測試。本文選用100維的特征空間進(jìn)行實(shí)驗(yàn)。p取不同值時(shí)的人臉識(shí)別率如圖2所示。

圖2 p取不同值時(shí)的人臉識(shí)別率

分析圖2可知：SRC、ESRC和SLRC算法對應(yīng)曲線為水平線，均是采用l1范數(shù)求解的，識(shí)別率不受p值影響；SRC-p和本文算法采用lp范數(shù)求解，因此識(shí)別效果會(huì)隨參數(shù)p的變化而改變；從整體來看，本文算法的識(shí)別率在多數(shù)情況下要優(yōu)于其余4種算法。具體來說，當(dāng)p=0.5時(shí)，本文算法的識(shí)別率達(dá)到最高，為67.33%，分別較SRC、ESRC、SLRC以及SRC-p方法提高了5.15%、2.58%、1.43%、1.97%。因此，以下實(shí)驗(yàn)中將設(shè)置p=0.5。

3.2 采樣不足條件下的人臉識(shí)別

為了檢驗(yàn)采樣不足條件下本文算法的性能，從Extended Yale B數(shù)據(jù)庫中先后選擇8張、12張、16張樣本圖像用于訓(xùn)練，剩余樣本圖像用于測試。圖3所示為SRC、ESRC、SLRC、SRC-p和本文算法在采樣不足條件下的識(shí)別率。

(a) 8張訓(xùn)練樣本

(b) 12張訓(xùn)練樣本

(c) 16張訓(xùn)練樣本圖3 采樣不足條件下的識(shí)別率

從圖3可以看出，對比其他4種算法，本文算法的識(shí)別率在不同特征維數(shù)下均有顯著提高。由此可見，基于lp范數(shù)和融合字典的人臉識(shí)別算法是非常有效的。

為了進(jìn)一步比較采樣不足條件下各種算法的性能，本文選擇4～16張不同數(shù)量的訓(xùn)練樣本進(jìn)行實(shí)驗(yàn)。圖4為1 024維下5種算法對不同數(shù)量訓(xùn)練樣本圖像的識(shí)別率。

圖4 5種算法對不同數(shù)量訓(xùn)練樣本圖像的識(shí)別率

從圖4可以看出，在訓(xùn)練樣本數(shù)量變化的情況下，本文算法較其他算法的識(shí)別率均有顯著提高。由此可見，采樣不足條件下本文算法具有更好的魯棒性。

3.3 運(yùn)行時(shí)間對比

為了進(jìn)一步對比不同算法的性能，本文將測試不同算法的總運(yùn)行時(shí)間，并計(jì)算單張圖像的運(yùn)行時(shí)間。從Extended Yale B數(shù)據(jù)庫中針對每個(gè)人，選擇16張樣本圖像用于訓(xùn)練，剩余樣本圖像用于測試，并將圖像裁剪為32×32維。表1所示為Extended Yale B數(shù)據(jù)庫上不同算法的識(shí)別率和運(yùn)行時(shí)間。

表1 Extended Yale B數(shù)據(jù)庫上不同算法的識(shí)別率與運(yùn)行時(shí)間

從表1可以看出，本文算法和SRC-p算法明顯耗時(shí)較短，并且識(shí)別率均高于SRC、ESRC和SLRC算法。這是因?yàn)閘p范數(shù)正則化方法容易求解，能夠得到比l1范數(shù)更稀疏的解。與SRC-p算法相比，本文算法識(shí)別率提高了2.25個(gè)百分點(diǎn)，總運(yùn)行時(shí)間縮短了5.58 s，單張圖像運(yùn)行速度提高了1.39倍(按8.21÷5.92計(jì)算)。這進(jìn)一步表明，本文算法無論在識(shí)別率還是運(yùn)行速度上均具有明顯優(yōu)勢，更適合在大規(guī)模的人臉識(shí)別中應(yīng)用。

3.4 ORL數(shù)據(jù)庫上的人臉識(shí)別

同樣，可在ORL數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)。ORL數(shù)據(jù)庫是由40個(gè)人、每人10張、像素92×112的正面人臉圖像構(gòu)成的。這些圖像均受不同光照和面部表情的影響。圖5所示為ORL數(shù)據(jù)庫的部分圖像。

圖5 ORL數(shù)據(jù)庫部分圖像

實(shí)驗(yàn)時(shí)從ORL數(shù)據(jù)庫中針對每個(gè)人選取5張樣本圖像進(jìn)行訓(xùn)練，剩余樣本圖像用于測試。表2所示為ORL數(shù)據(jù)庫上不同算法的識(shí)別率和運(yùn)行時(shí)間。

表2 ORL數(shù)據(jù)庫上不同算法的識(shí)別率和運(yùn)行時(shí)間

從表2可以看出：SRC、ESRC和SLRC算法的識(shí)別率相同，這是因?yàn)楸緦?shí)驗(yàn)選用的是ORL數(shù)據(jù)庫，雖然同類樣本中間存在差異，但是差異并不明顯；SRC-p算法的識(shí)別率較前3種算法提升了3.5個(gè)百分點(diǎn)；本文算法的識(shí)別率較前3種算法提升了4個(gè)百分點(diǎn)，仍為最優(yōu)；從運(yùn)行時(shí)間上看，SRC-p算法運(yùn)行時(shí)間最短，本文算法次之，時(shí)間上毫秒級(jí)的延遲對于識(shí)別率的提升來說可以忽略。由此看出，本文算法同樣適用于受光照、遮擋等因素影響較小的人臉識(shí)別。

3.5 單一訓(xùn)練樣本的人臉識(shí)別

為了測試本文算法在每人只有一個(gè)訓(xùn)練樣本情況下的性能，實(shí)驗(yàn)方案按照經(jīng)典文獻(xiàn)中ESRC算法采用的AR人臉數(shù)據(jù)庫實(shí)驗(yàn)[4]來確定。AR人臉數(shù)據(jù)庫包括在表情、光照和遮擋等因素影響下的126人4 000多張正面臉部圖像，每張圖像的分辨率為165×120。圖6所示為AR數(shù)據(jù)庫部分圖像。

圖6 AR數(shù)據(jù)庫部分圖像

實(shí)驗(yàn)樣本圖像來自50名男性和50名女性構(gòu)成的子數(shù)據(jù)庫。首先選擇80個(gè)人、每人13張樣本圖像，使用自然表情和光照的單張樣本圖像進(jìn)行訓(xùn)練，而將其余12張受光照、表情和遮擋影響的樣本圖像用于檢測；然后從剩余的20人中選擇每人12張樣本圖像，組建類內(nèi)變化矩陣。為方便測試，將圖像裁剪為27×20維。表3所示為AR數(shù)據(jù)庫上單一訓(xùn)練樣本實(shí)驗(yàn)不同算法的識(shí)別率。

表3 單一訓(xùn)練樣本的不同算法識(shí)別率 %

注：實(shí)驗(yàn)采用AR數(shù)據(jù)庫。

SRC和ESRC算法的識(shí)別率與文獻(xiàn)[4]中的數(shù)據(jù)相吻合。雖然SLRC算法將訓(xùn)練樣本矩陣作為類中心矩陣，ESRC算法將訓(xùn)練樣本矩陣作為類內(nèi)變化矩陣，但由于二者均采用單一樣本訓(xùn)練，因此SLRC和ESRC的識(shí)別率一樣。本文算法的識(shí)別率，與SRC相比提高了34.9個(gè)百分點(diǎn)，與ESRC和SLRC相比提高了3.44個(gè)百分點(diǎn)，與SRC-p相比提高了34.48個(gè)百分點(diǎn)。因此，本文算法在單一訓(xùn)練樣本的實(shí)驗(yàn)中具有更好的效果。

4 結(jié)語

針對傳統(tǒng)人臉識(shí)別算法在光照、遮擋和采樣不足等情況下識(shí)別率低、運(yùn)行速度慢的問題，本文提出一種基于lp范數(shù)(0