[發(fā)明專利]一種快速協(xié)同表示人臉分類方法

有效

• 申請?zhí)枺?/td>: 201710233148.3
• 申請日: 2017-04-11
• 公開（公告）號(hào): CN107066964B
• 公開（公告）日: 2019-07-02
• 發(fā)明（設(shè)計(jì)）人: 宋佳穎;宋曉寧;那天
• 申請（專利權(quán)）人: 宋佳穎
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李曉靜

1.一種快速協(xié)同表示人臉分類方法，其特征在于：包括如下步驟：

(a)獲取所有待檢測人員臉部圖像，且每個(gè)檢測人員在不同光照、表情以及遮擋環(huán)境下都拍攝若干張圖像，一個(gè)檢測人員的所有臉部圖像代表一類，從而將所有檢測人員的臉部圖像組合成為樣本數(shù)據(jù)集；

(b)從已存有的樣本數(shù)據(jù)集中，隨機(jī)挑選出15～25％的樣本類來構(gòu)造類內(nèi)變量字典D_I，選取剩下樣本類中的部分樣本作為訓(xùn)練樣本集A，同時(shí)建立各個(gè)類別的測試樣本數(shù)據(jù)集；

(c)將訓(xùn)練樣本集A投射到PCA子空間，得到該樣本集的特征臉U；

(d)用D_I和U來線性描述測試樣本y，得到降維約束優(yōu)化的稀疏表示模型，構(gòu)造基于混合范式的二次優(yōu)化方法迭代計(jì)算出重構(gòu)測試樣本的PCA系數(shù)z；其中，所述二次優(yōu)化方法為在字典空間中通過l₂范式迭代計(jì)算初始字典系數(shù)，隨后二次引入l₁范式進(jìn)行系數(shù)精確優(yōu)化；

(e)將z與PCA子空間的訓(xùn)練樣本投射到LDA子空間，分別得到重構(gòu)測試樣本的LDA系數(shù)和訓(xùn)練樣本LDA系數(shù)

(f)計(jì)算每一類訓(xùn)練樣本k的LDA系數(shù)centers_k；

(g)分別統(tǒng)計(jì)與所有centers_k的重構(gòu)誤差，選取最小重構(gòu)誤差D_k的類別作為人臉測試樣本的最終候選類別。

2.如權(quán)利要求1所述的快速協(xié)同表示人臉分類方法，其特征在于，所述步驟(b)中，包括如下步驟：

(b1)假設(shè)挑選出P類共m個(gè)樣本構(gòu)建類內(nèi)變量字典，記表示第i類的變量集合，這里D_i的每一列表示一個(gè)變量，則P類一共對應(yīng)的類內(nèi)變量字典是D_I＝[D₁,…,D_P]；

(b2)為構(gòu)造類內(nèi)變量字典，將同類的其他圖像減去該類的自然圖像，記其中且表示第i類去除自然圖像后的樣本集，代表第i類樣本集的自然圖像。

3.如權(quán)利要求1所述的快速協(xié)同表示人臉分類方法，其特征在于，所述步驟(d)中，包括如下步驟：

(d1)針對測試樣本y∈R^d，通過訓(xùn)練樣本集的特征臉和類內(nèi)變量字典來線性描述y＝Uz+D_Iβ+t,其中t∈R^d是不能由變量字典表示的誤差項(xiàng)，β為變量字典系數(shù)；

(d2)將上式y(tǒng)＝Uz+D_Iβ+t看作一個(gè)典型的最小二乘問題，得到變量字典系數(shù)β的解β＝(D_I^TD_I+λI)^-1D_I^T(y-Uz)，其中λ為正擾動(dòng)項(xiàng)，I是單位矩陣；

(d3)根據(jù)測試樣本的線性描述，求解重構(gòu)測試樣本PCA系數(shù)z的值z＝U^T(y-D_Iβ)；

(d4)重復(fù)第(d2)和(d3)步，直到最小二乘法的迭代次數(shù)達(dá)到規(guī)定閾值時(shí)，終止迭代計(jì)算操作；

(d5)再次構(gòu)造1范式優(yōu)化模型，通過二次引入l₁約束，得到β更加精確的解其中ε為重構(gòu)誤差值，且ε＞0，因此重構(gòu)測試樣本PCA系數(shù)z的值更新為

4.如權(quán)利要求1所述快速協(xié)同表示人臉分類方法，其特征在于，所述步驟(e)中，將z與PCA子空間的訓(xùn)練樣本投射到LDA子空間，分別得到重構(gòu)測試樣本的LDA系數(shù)和訓(xùn)練樣本LDA系數(shù)其中W指通過PCA空間中的訓(xùn)練樣本得到的LDA基。

5.如權(quán)利要求1所述的快速協(xié)同表示人臉分類方法，其特征在于，所述步驟(f)中，假設(shè)訓(xùn)練樣本集A包含K類樣本，計(jì)算每類訓(xùn)練樣本的LDA系數(shù)其中代表中第k類第j個(gè)樣本，并且n_k是第k類中的樣本個(gè)數(shù)。

6.如權(quán)利要求1所述的快速協(xié)同表示人臉分類方法，其特征在于，所述步驟(g)中，通過構(gòu)造重構(gòu)誤差公式來度量第k類訓(xùn)練樣本LDA系數(shù)centers_k與重構(gòu)人臉測試樣本的LDA系數(shù)之間的距離，將測試樣本歸類到擁有最小D_k的那一類中。