[發明專利]基于局部敏感的核稀疏表示的人臉識別方法

有效

• 申請號: 201410449304.6
• 申請日: 2014-09-04
• 公開（公告）號: CN104281835B
• 公開（公告）日: 2017-05-17
• 發明（設計）人: 張石清;趙小明
• 申請（專利權）人: 臺州學院;張石清;趙小明
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 杭州賽科專利代理事務所(普通合伙)33230
• 代理人: 曹紹文

技術領域

本發明涉及圖像處理技術領域，特別是涉及人臉的識別，可用于身份驗證、視頻監控、人機交互等。

背景技術

人臉識別是模式識別和計算機視覺等領域最富有挑戰性的課題之一，可以廣泛應用于身份驗證、視頻監控、人機交互等領域，多年來一直是一個研究熱點。分類器設計是人臉識別技術中一個基本而極其重要的環節，分類器的好壞直接決定著人臉識別性能的高低。目前，廣泛用于人臉識別的典型分類方法，主要有人工神經網絡(ANN)、最近鄰法(NN)以及支持向量機(SVM)等。

再介紹稀疏表示理論。

近年來，基于壓縮感知的稀疏表示理論已成為模式識別和計算機視覺等領域中的非常熱門的研究課題。Wright等人利用稀疏表示系數的判別性提出了一種稀疏表示分類方法(SRC)，取得了較高的人臉識別性能(見文獻：Wright J,Yang AY,Ganesh A,et al.Robust face recognition via sparse representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2009,31(2):210-227)。為了進一步提升稀疏表示分類方法(SRC)的性能，Gao等人將SRC方法進行核化擴展，提出了一種基于核稀疏表示的分類方法(KSRC)，在人臉識別中取得了比SRC方法更好的性能(見文獻：Gao S,Tsang IW-H,Chia L-T.Sparse Representation With Kernels.IEEE Transactions on Image Processing,2013,22:423-434)。張莉等人也提出將核KSRC應用于人臉的識別方法(見專利：張莉等人.基于核稀疏表示的人臉識別方法-申請號/專利號：200910024052.1)。該KSRC方法本質上是使用核技巧將原始特征數據非線性映射到一個核特征空間，然后在這個核特征空間來尋找稀疏表示系數，用于人臉的判別。盡管KSRC方法已成功應用于人臉識別，但無法獲取數據的局部性信息，從而導致KSRC獲取的稀疏表示系數的判別性受到限制，取得的分類效果還不太理想。然而，數據的局部性信息(data locality)是一種非常有用的特征信息，已經被廣泛應用于解決模式識別領域中的很多問題，如最近鄰法(NN)設計，特征降維(如局部線性嵌入(LLE)方法)等。

目前，在已有的人臉識別研究文獻中，還未見采用結合數據的局部性信息的核稀疏表示理論應用于人臉的識別。

發明內容

本發明的目的就是為了克服上述現有人臉識別中的分類技術的不足，利用數據的局部性信息的重要性，提供一種基于局部敏感的核稀疏表示的人臉識別方法，即通過結合數據的局部性信息在核特征空間進行稀疏表示系數的求解，從而獲取具有良好判別性的稀疏表示系數用于人臉的識別，以便進一步提高人臉識別的性能。

本發明所采用的技術方案是：

一種基于局部敏感的核稀疏表示表示的人臉識別方法，該方法按以下步驟：

步驟1：對人臉圖像樣本進行預處理；

步驟2：將預處理后的樣本數據映射到核特征空間；

步驟3：在核特征空間中利用樣本數據的局部性信息計算相異性度量矢量；

步驟4：求解含有相異性度量矢量的L-1范數最小化問題，得到樣本重構的系數矢量；

步驟5：利用獲得的樣本重構的系數矢量重構出一個新樣本，然后計算出這個重構的新樣本與測試樣本的殘差；

步驟6：取殘差為最小值所對應樣本的類別號作為測試樣本的類別號。

其中，

(1)對人臉圖像樣本的預處理，包括：

對得到的每一幅人臉圖像進行亞采樣處理。為了進一步降低圖像特征維度，采用主成分分析(PCA)方法進行圖像特征的降維，并將降維之后的人臉圖像的每個像素值歸一化到方差為1和均值為0；

(2)將預處理后的樣本數據映射到核特征空間，包括：

利用非線性映射核函數φ，將預處理后的樣本數據x∈R^d，包括訓練樣本和測試樣本，映射到一個潛在的核特征空間；在核特征空間中樣本數據x變為φ(x)；采用的非線性映射核函數φ為徑向基核函數，其形式為：

k(x_i,x_j)＝exp(-|x_i-x_j|²/2σ²)(式1)