[發明專利]基于核非負矩陣分解的字典學習和稀疏特征表示的人臉識別方法及系統

在審

• 申請號: 201710087134.5
• 申請日: 2017-02-17
• 公開（公告）號: CN106897685A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 陳文勝;李育高;潘彬彬;陳波
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙)44248
• 代理人: 于標

1.一種基于核非負矩陣分解的字典學習和稀疏特征表示的人臉識別方法，其特征在于，包括如下步驟：

A.將c個類預設的非負訓練樣本圖像表示為非負列向量，然后組合成非負小矩陣X_i；

B.對每一個小矩陣X_i執行KNMF，來得到非負原像子矩陣W_i，然后組合成非負原像矩陣W＝[W₁,W₂,...,W_c]；

C.對于一個非負的測試樣本y，通過更新法則(6)來獲得y的稀疏表示特征s；

D.將s表示成其中s_i是一個列向量，它表示s中只與φ(W_i)有關的部分；

E.計算每一個d_i＝||s_i||₁；

F.比較所有的d_i，如果d_k是最大，那么將y歸到第k類。

2.根據權利要求1所述的人臉識別方法，其特征在于，該人臉識別方法包括利用分塊策略構造一個有監督的基于核非負矩陣分解的稀疏學習字典。

3.根據權利要求2所述的人臉識別方法，其特征在于，構造基于核非負矩陣分解的字典包括：利用類標信息，對每一類的非負訓練樣本矩陣X_i執行KNMF，(i＝1,2,...,c)，即

φ(X_i)≈φ(W_i)H_i,

其中W_i和H_i都是非負矩陣，通過合并所有類別的分解，我們得到總得分解：

即

φ(X)≈φ(W)H,

其中φ(X)＝[φ(X₁),φ(X₂),...,φ(X_c)],W＝[W₁,W₂,...,W_c]，φ(W)≈[φ(W₁),φ(W₂),...,φ(W_c)]，H＝diag{H₁,H₂,...,H_c}；

φ(W)是有監督的基于核非負矩陣分解的稀疏表示字典。

4.根據權利要求3所述的人臉識別方法，其特征在于，根據稀疏表示字典來學習樣本的非負稀疏表示特征，其通過解決一個帶有l₁范數正則項的平方最小化問題來得到。