[發(fā)明專利]一種基于聯(lián)合表示分類的集體人臉識別方法

有效

• 申請?zhí)枺?/td>: 201610113642.1
• 申請日: 2016-02-29
• 公開（公告）號: CN105760845B
• 公開（公告）日: 2020-02-21
• 發(fā)明（設(shè)計）人: 王麗平;羅愛文;陳松燦
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔;徐曉鷺

1.一種基于聯(lián)合表示分類的集體人臉識別方法，其特征在于，包括如下步驟：

步驟一，對訓(xùn)練和測試人臉圖像集進行降維和標準化預(yù)處理；

步驟二，設(shè)置初始參數(shù)及變量初始化，構(gòu)成訓(xùn)練人臉圖像集構(gòu)成訓(xùn)練圖像矩陣和所有測試圖像集構(gòu)成測試圖像矩陣；

步驟三，使用迭代二次法求解模型極小化問題獲得編碼矩陣；

步驟四，計算表示誤差并分類測試人臉集；

所述步驟二具體為：

給定參數(shù)λ＞0,q∈[1,2]和p∈(0,2]；所有訓(xùn)練人臉圖像集構(gòu)成訓(xùn)練圖像矩陣A＝[A₁,A₂,…,A_I]∈R^m×d和所有測試圖像集構(gòu)成測試圖像矩陣Y＝[y₁,y₂,…,y_n]∈R^m×n，其中I是訓(xùn)練圖像集的總?cè)藬?shù)，A_i是第i個人的訓(xùn)練圖像矩陣，m是圖片降維后總像素點數(shù)，是訓(xùn)練圖像總張數(shù)，d_i是第i個人的訓(xùn)練圖像張數(shù)，n是測試圖像總張數(shù)和y_j是第j張測試圖像；

所述步驟三具體為：

使用迭代二次法求解l_2,q-l_2,p-極小化模型

獲得編碼矩陣其中統(tǒng)一編碼矩陣X∈R^d×n，混合矩陣范數(shù)Xⁱ表示矩陣X的第i行向量，表示第i類人的編碼矩陣和(·)^T表示矩陣轉(zhuǎn)置；

所述步驟四具體為：

(4a)對每張測試人臉圖像，分別計算訓(xùn)練圖像集中每類人的表示誤差其中j＝1,2,…,n，i＝1,2,…,I ， (·)_j表示矩陣的第j列向量；

(4b)求最小表示誤差并分類每張測試人臉圖像，步驟三所述的使用迭代二次法求解l_2,q-l_2,p-極小化模型，包含以下步驟：

(1)令k＝1并初始化X₁∈R^dΔn；

(2)對于k＝1,2,…，若未達停機準則，則迭代下面的步驟(3)-(7)；

(3)或H_k＝I_d(p＝2)，其中I_d是d階單位矩陣；

(4)C_k＝-Y；對i＝1,2,…,I，B_i＝A_i(X_k)_i,C_k＝B_i+C_k.；

(5)或G_k＝I_m(q＝2)；

(6)

(7)使用Barzilai和Borwein梯度法更新X_k.；

步驟(2)中停機準則是指，對于給定的ε＞0，若J(X_k)-J(X_k+1)≤ε或則到達停機準則即停止迭代，其中Tr(·)表示矩陣跡；

步驟(7)中所述的Barzilai和Borwein梯度法更新X_k，包含以下步驟：

(7.1)給定ε₂＞0，令和

(7.2)對于t＝1,2,…，若則輸出否則迭代下面的步驟(3)和(4)；

(7.3)如果t＝1，

否則

或

(7.4)