目前的人臉識(shí)別算法常常忽視訓(xùn)練過(guò)程中噪聲的影響，特別是在訓(xùn)練數(shù)據(jù)和待測(cè)數(shù)據(jù)都受到噪聲污染的情況下，識(shí)別性能會(huì)明顯下降。針對(duì)含有光照變化、偽裝、遮擋及表情變化等較大噪聲的人臉識(shí)別問(wèn)題，提出了一種基于低秩子空間投影和Gabor特征的稀疏表示人臉識(shí)別算法。該算法首先通過(guò)低秩矩陣恢復(fù)算法得到訓(xùn)練樣本的潛在低秩結(jié)構(gòu)和稀疏誤差結(jié)構(gòu)；然后利用主成分分析法找到低秩結(jié)構(gòu)的Gabor特征所在低秩子空間的變換矩陣；再通過(guò)變換矩陣將所有樣本的Gabor特征向量投影到低秩子空間上，在該低秩子空間上使用稀疏表示分類算法進(jìn)行最終的分類識(shí)別。在Extend Yale B和AR數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明，新算法具有較高的識(shí)別率和較強(qiáng)的抗干擾能力。
?