[發明專利]一種基于聯合稀疏判別分析的人臉識別方法及其系統

有效

• 申請號: 201710254975.0
• 申請日: 2017-04-18
• 公開（公告）號: CN107122725B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 賴志輝;莫冬梅
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 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: 李利

1.一種基于聯合稀疏判別分析的人臉識別方法，其特征在于，該方法用于處理人臉圖片矩陣X＝[x₁,x₂,...,x_n]∈R^d×n，其中n為訓練樣本個數，d為每個樣本圖片的尺寸；通過將原始的高維數據投影到低維投影矩陣B∈R^d×k以實現降維與特征提取，其中，k是降維后的圖像尺寸，k≤d，所述人臉識別方法包括以下步驟：

A、建立存儲已知身份的人臉訓練圖像的數據庫；

B、對待檢測身份的人臉檢測和數據進行采集并建立帶有認證的人臉數據庫；

C、對待認證的人臉數據與訓練數據進行特征提取并構建基于聯合稀疏表示的判別分析模型；

D、利用步驟C中特征提取后的訓練數據與待認證的數據，并結合對應的標簽信息，使用最近鄰分類器進行判別分析計算人臉識別的結果；

所述步驟C中構建基于聯合稀疏表示的判別分析模型的函數式為：A^TA＝I,C^TC＝I，其中，Y∈R^n×c為標簽矩陣，B∈R^d×k為投影矩陣，C∈R^c×k、A∈R^d×k為正交的輔助矩陣；n為訓練樣本個數，c為所有圖片的類別數，d為每個樣本圖片的尺寸,即每張圖片的特征個數，k是降維后的圖像尺寸；γ,λ代表預定系數，||·||_2,1,||·||分別表示L21范數與L2范數，T表示轉置運算；

對于所述正交的輔助矩陣C，其函數式：其通過s.t.C^TC＝I，其中表示輔助矩陣C的最優解，對進行SVD分解：輔助矩陣C的最優解為上述SVD分解得到的矩陣。

2.根據權利要求1所述的人臉識別方法，其特征在于，所述人臉訓練圖像的數據庫的建立包括以下步驟：

A1、從人臉采集器上采集彩色或者黑白圖片；

A2、對人臉數據庫中的所有圖片進行歸一化處理；

A3、將所述圖片按照原來比例轉換成40*40的灰度圖，并將所述灰度圖轉成二維矩陣。

3.根據權利要求2所述的人臉識別方法，其特征在于，對于所述正交的輔助矩陣A，其函數式：其通過s.t.A^TA＝I，其中表示輔助矩陣A的最優解，對2λXX^TB進行SVD分解：輔助矩陣A的最優解為上述SVD分解得到的矩陣

4.根據權利要求3所述的人臉識別方法，其特征在于，對歸一化處理后的灰度訓練圖像矩陣進行降維，得到較低維矩陣以進行更快速的矩陣運算，在降維后的訓練圖像矩陣作為輸入參數X傳遞給步驟C所述的構建基于聯合稀疏表示的判別分析模型，并將標簽矩陣Y作為輸入參數，求解最優投影矩陣B的步驟包括：

a、初始化A,B,C為任意隨機矩陣；

b、通過迭代操作，得到最優的投影矩陣B；

c、對迭代求解得到的最優的投影矩陣B_t+1進行歸一化處理。

5.根據權利要求4所述的人臉識別方法，其特征在于，所述迭代操作步驟包括：

b1、先存儲當前第t次迭代的投影矩陣B為B_t，判斷B_t是否未收斂而且當前迭代步數t小于或等于最大迭代步數T_max，如是，則執行下面步驟；反之，迭代結束；

b2、更新對角矩陣和對角矩陣其函數分別為：

b3、更新輔助矩陣C_t+1，對進行SVD分解；其函數為：更新

b4、更新輔助矩陣A_t+1，對2λXX^TB_t進行SVD分解：其函數為：更新

b5、更新投影矩陣B_t+1；其函數為：

b6、計算收斂性，通過比較第t次迭代得到的B_t與第t+1次得到的B_t+1，通過||B_t+1-B_t||/||B_t+1||＜ε計算是否達到收斂，如果未達到收斂則繼續迭代操作，反之迭代結束；其中ε為預定的收斂系數。