[發明專利]一種圖嵌入低秩稀疏表示恢復稀疏表示人臉識別方法

有效

• 申請號: 201410607957.2
• 申請日: 2014-11-03
• 公開（公告）號: CN104318261A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 杜海順;王俊;張延宇;杜曉玉;胡青璞;蔣曼曼
• 申請（專利權）人: 河南大學
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06K9/00
• 代理公司: 鄭州聯科專利事務所(普通合伙) 41104
• 代理人: 劉建芳;崔衛琴

技術領域

本發明涉及計算機視覺和模式識別技術領域，具體涉及一種圖嵌入低秩稀疏表示恢復稀疏表示人臉識別方法。

背景技術

目前,人臉識別技術由于其在身份識別、視頻檢索、安全監控等方面的廣泛應用，成為當前計算機視覺與模式識別技術領域的熱點研究課題之一。

近年來，隨著壓縮感知理論和l₁范數最優化技術的發展，稀疏表示受到國內外眾多學者關注。在稀疏表示下，一個信號可以表示為給定字典原子的最稀疏線性組合。研究表明，稀疏表示模型與人類視覺系統原理非常相似。因此，稀疏表示被廣泛用于圖像濾波、圖像重構、圖像壓縮等計算機視覺領域。

2009年，John?Wright等人提出一種基于稀疏表示分類器(Sparse?Representation?classification,SRC)的人臉識別方法。該方法首先分別以原始訓練樣本數據矩陣和單位陣為字典和誤差字典，采用l₁范數最小化技術求解待識別人臉圖像的稀疏表示系數；然后，利用待識別人臉圖像的稀疏表示系數，對待識別人臉圖像進行類關聯重構；最后，基于待識別人臉圖像的類關聯重構誤差，完成待識別人臉圖像的識別。由此以來，基于稀疏表示的人臉識別方法受到了眾多關注，許多學者在這方面做了許多研究工作。

在作為字典的訓練樣本圖像干凈的前提條件下，基于稀疏表示的人臉識別方法取得了不錯的識別效果。然而，當訓練樣本圖像受噪聲污染或局部被遮擋時，基于稀疏表示的人臉識別方法的識別效果較差。此外，由于基于稀疏表示的人臉識別方法采用高維的單位陣作誤差字典，來處理待識別人臉圖像中的噪聲和遮擋，其運算復雜度很高。

發明內容

本發明的目的是提供一種圖嵌入低秩稀疏表示恢復稀疏表示人臉識別方法，目的是解決訓練樣本圖像和待識別圖像都受噪聲污染或局部被遮擋情況下的人臉識別問題。

針對上述基于稀疏表示分類器的人臉識別方法中存在的問題，本發明提出一種圖嵌入低秩稀疏表示恢復稀疏表示人臉識別方法。

本發明采用下述技術方案：一種圖嵌入低秩稀疏表示恢復稀疏表示人臉識別方法，包括以下步驟：

S01：假設有K類訓練樣本圖像，每類有n張訓練樣本圖像，共N＝K×n張訓練樣本圖像。設每張訓練樣本圖像分辨率為r×c，將每張訓練樣本圖像轉換為M＝r×c維向量，則訓練樣本數據矩陣記為

S02：利用訓練樣本數據矩陣X及其對應的類別標簽，構建一個包含N個節點的有監督無向近鄰圖G；其中，圖G的節點連接關系及其權重為：如果數據x_i與數據x_j屬于同一類，且x_i為x_j的k近鄰或x_j為x_i的k近鄰(k為正整數，取值范圍3≤k≤n-1)，則圖G的節點i和節點j連接，且其連接權重W_ij為1；否則，圖G的節點i和節點j不連接，其權重W_ij為0。定義數據x_i的度為：

di=Σj=1NWij,i=1,2,...,N;]]>

定義數據度矩陣D為：D＝diag(d₁,d₂,...，d_N)；

S03：根據步驟S02求得的權重矩陣W和數據度矩陣D，定義拉普拉斯矩陣L：假設Z＝[z₁,z₂,...,z_N]為X的表示系數矩陣，為了使訓練樣本數據的表示系數能夠保持數據空間的局部幾何結構并具有強的判別力，基于拉普拉斯矩陣L，定義一個有監督的圖嵌入正則項：