[發明專利]一種基于字典學習的人臉識別分類方法

有效

• 申請號: 201711042488.4
• 申請日: 2017-10-31
• 公開（公告）號: CN107832786B
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 李恒建;馮光
• 申請（專利權）人: 濟南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 濟南譽豐專利代理事務所(普通合伙企業) 37240
• 代理人: 劉立升

1.一種基于字典學習的人臉識別分類方法，包括以下步驟：

S1：構建若干訓練集，每個訓練集中含有相同數目的樣本人臉圖像，且每個訓練集中的樣本人臉圖像來自于同一個體并作為一類；對于任一訓練集，將該訓練集中的所有人臉圖像均映射到低維空間，并組成與該訓練集對應的訓練集矩陣；

S2：建立字典學習模型，新的字典學習模型中包括不相干約束項和字典判別力約束項

其中D_k代表字典，I代表單位矩陣，X_k是第k類樣本的系數向量，代表第k類樣本的均值系數向量，||·||表示矩陣的F范數，S_k是一個度量矩陣，

其中d_i、d_j代表字典D_k的第i、j列原子，λ,γ為人工設置的權重參數；

S3：將每個訓練集矩陣輸入到步驟S2得到的新字典模型中，然后對該模型進行求解，得到若干與步驟S1中各類樣本對應的子字典以及每一類樣本的均值系數向量，這若干子字典組合形成最終的字典；

S4：對于待識別圖像，基于步驟S3得到的最終的字典，利用協同表示分類方法求得該待識別圖像相應的系數向量x；

S5：將步驟S4所得到的系數向量x輸入到分類器中，利用子字典對信號重構產生的誤差以及系數向量x和步驟S3所求得的各類樣本均值系數向量的誤差來進行分類，根據總體誤差的大小對待識別圖像進行識別分類。

2.根據權利要求1所述的一種基于字典學習的人臉識別分類方法，其特征在于：在步驟S1中，將每幅圖像拉伸為列向量，利用PCA將所有的樣本降維到低維特征空間。

3.根據權利要求1所述的一種基于字典學習的人臉識別分類方法，其特征在于：在步驟S2中，新的字典學習模型如下：

其中X_k代表第k類樣本的系數向量，Y_k代表步驟S1得到的第k類樣本的訓練集矩陣，β,λ,γ,δ為人工設置的權重參數。

4.根據權利要求1所述的一種基于字典學習的人臉識別分類方法，其特征在于：在步驟S3中對所述模型進行求解時，采用固定其中一個系數，去求解另一個系數的方法，并采用梯度下降法求解各個子字典、采用最小二乘法求解各個均值系數向量，經過反復迭代，以最終達到字典模型收斂狀態，或者達到預設的最大迭代次數為止。

5.根據權利要求1所述的一種基于字典學習的人臉識別分類方法，其特征在于：步驟S5中所述的分類器為：

對于系數向量x，有x＝[x¹；…；xⁱ；…；x^K]，xⁱ表示子字典對應位置的子系數向量，為訓練集樣本子系數的均值，D_i為與D_k相同意義的子字典。