多稀疏表示分类器决策融合的人脸识别

针对目前人脸识别仍然存在顽健性较差的问题,提出一种多稀疏表示分类器决策融合(FR-MSRC)的人脸识别方法。首先提取3组特征,并训练3个稀疏表示子分类器,然后引入决策融合的思想,根据每个子分类器的分类性能,通过迭代运算过程自适应确定各子分类器的融合权值,最后利用融合权值对多个子分类器的输出结果进行决策,实现不同复杂因素干扰下的人脸识别,分别在Yale B、JAFFE和AR人脸库中进行光照、表情、遮挡以及多类型因素混合干扰实验。实验结果表明,本文提出的方法在复杂的环境中仍保持较高的识别率,顽健性更佳。