基于孪生非负矩阵分解的车脸重识别算法

受光照强度变化影响,同一车辆在不同时段采集的车脸图像可能会存在差异,如车身颜色、车灯状态等,为了使识别方法对多种光照条件具有普适性,提出了一种孪生非负矩阵分解模型.首先,将每一对训练样本车脸图像的初始特征分配在两个非负矩阵分解模型中;然后,融合分解后的误差损失,类内损失,类间损失,设计了一种孪生非负矩阵分解模型,其中,两个非负矩阵分解模型共享同一特征基;最后,基于梯度下降法对模型进行求解,获得共享特征基,并基于余弦距离实现了车脸图像的匹配.实验结果表明,对于存在一定光照差异条件下采集的两幅车脸图像,提出的算法仍能获得较为准确的重识别结果,错误接受率与错误拒绝率均可降低至6％以下.