全文总字数：2853字

1. 研究目的与意义及国内外研究现状

当今随着信息类科学技术的快速发展，人脸识别因其隐蔽性和不可侵犯性的特点在生活各领域承担着越来越重要的作用，现已广泛应用于企业住宅安全和管理，如人脸识别门禁考勤系统，人脸识别防盗门等；电子护照及身份证；公安、司法和刑侦；信息安全等方面。但在实际应用中，光照、遮挡、表情、噪声，拍摄角等理想条件下的因素在人脸图像中对图像识别率有十分严重的影响。所以寻求高精度鲁棒性的人脸识别技术在当今具有非常重要的现实和应用意义。最先的人脸识别在九十年代主要是基于几何特征的提取方法来描述人脸，但效果并不理想。后又发人脸像素处在一个线性子空间里而提出稀疏表示人脸识别算法，其在图像去噪，恢复，理解等视觉领域有较好的效果。近年来，有研究认为是协同表示（collaborative representation,cr）的机制而非稀疏性约束在该类算法中起主体作用，并将稀疏表示分类器（sparse representation based classification,src）视作为协同表示分类器(collaborative representation based classification,crc)的一种特例。稀疏表示实际是一个特殊的线性回归问题，所以近年来线性回归方法在人脸识别算法中也体现出极大的性能。

基于此，本文提出基于新样本的常规与逆结合的无噪协同表示分类人脸识别。构造出一种新的人脸图并去噪，然后利用常规与逆结合的协同表示稀疏分类识别算法进行人脸识别。

2. 研究的基本内容

src中主要是使用lasso(least absolute shrinkage and selection operate)来求解回归系数,稀疏表示实质是求这样的回归问题：，由于实际中有噪声的存在，我们假设存在这样一个稀疏的稀疏向量满足，其中是一个能量的噪声，于是问题转化为：

正规的协同表示分类器（collaborative representation based classification with regularized least squares,crc_rls）用岭回归来求解回归系数，回归问题：，其拉格朗日形式

3. 实施方案、进度安排及预期效果

（1）2019年1月1日-2019年4月1日：查阅资料，学习和研究相关资料，熟悉并了解课题内容，熟悉软件仿真平台，填写任务书及开题报告；

（2）2019年4月2日-2019年5月12日：完成图像处理，编写软件代码，实验验证，提交中期检查，完成文献翻译和论文初稿；

（3）2019年5月13日-2019年5月19日：撰写论文，论文重查等工作；

4. 参考文献

[1]张哲来. 基于协同表示和线性回归的人脸识别算法研究[d].苏州大学,2015

[2]collaborative neighbor representation based classification using l 2 -minimization approach[j] . jadoon waqas,zhang yi,lei zhang.pattern recognition letters . 2013 (2)

[3]徐书燕. 基于稀疏表示和线性回归的人脸识别研究[d].华南理工大学,2017.