下载后可任意编辑模式识别课程报告——基于 SRC_RSC 算法的遮挡人脸图像识别的实验讨论学 年：___201 x 学年第 x 学期 ____ 姓 名：________ xxxx ___________ 学 号：_____xxxxxxxxxx________专 业：_____ xxxxxxxxxx _______ _ 指导老师：_______ xxxxx ___________ 提交日期： __201 x 年 x 月 xx 日 ____ 下载后可任意编辑1.算法简介1.1 SRC 算法简介基于基于稀疏表达的分类算法（Sparse Recognition based Classification , 简称 SRC算法），是人脸识别领域最经典的算法之一，最初是由 John Wright, Allen Y. Yang 等人在2024 年的《Robust Face Recognition via Sparse Representation》一文中将 SRC 算法应用到人脸识别领域，使用该算法可以大大增强人脸的识别率，包括对含有噪声的人脸图像有遮挡物的人脸图像、进行伪装的人脸图像、不同曝光的人脸图像、不同面目表情的人脸图像等多个场景下通过 SRC 算法对特定的人脸图像进行识别。人脸的稀疏表示是基于光照模型。即一张人脸图像，可以用数据库中同一个人所有的人脸图像的线性组合表示。而对于数据库中其它人的脸，其线性组合的系数理论上为零。由于数据库中一般有很多个不同的人脸的多张图像，假如把数据库中所有的图像的线性组合来表示这张给定的测试人脸，其系数向量是稀疏的。因为除了这张和同一个人的人脸的图像组合系数不为零外，其它的系数都为零。以上所述即为 SRC 识别人脸图像的原理。不过在该模型下导出了基于稀疏表示的另外一个很强的假设条件，即所有的人脸图像必须是事先严格对齐的，否则，稀疏性很难满足。换言之，对于表情变化，姿态角度变化的人脸都不满足稀疏性这个假设。所以，经典的稀疏脸方法很难用于真实的应用场景。稀疏脸很强的地方在于对噪声相当鲁棒，相关文献表明，即使人脸图像被 80%的随机噪声干扰，仍然能够得到很高的识别率。稀疏脸另外一个很强的地方在于对于部分遮挡的情况，例如戴围巾，戴眼镜等，仍然能够保持较高的识别性能。上述两点，是其它任何传统的人脸识别方法所不具有的。1.2 RSC 算法简介鲁棒的稀疏编码算法（Robust Sparse Coding , 简称 RSC 算法），是通过求解Lasso 问题，进而求解稀疏编码问题，是 SRC 的改进算法之一，具有极强的应用性，最初是 由 Meng Yang, Lei Zhang 等 人 在 2024 年 的 《 Robust Sparse Coding for Face Recognition》...
