[發(fā)明專利]一種基于結(jié)構(gòu)化分析字典的人臉識別方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 201711393942.0
• 申請日: 2017-12-21
• 公開（公告）號: CN108509833B
• 公開（公告）日: 2021-11-05
• 發(fā)明（設(shè)計(jì)）人: 張召;孫玉林;張莉;王邦軍
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

1.一種基于結(jié)構(gòu)化分析字典的人臉識別方法，其特征在于，包括：

將人臉訓(xùn)練樣本集和人臉測試樣本集輸入預(yù)先構(gòu)建的人臉識別模型中，并對所述人臉識別模型進(jìn)行參數(shù)初始化，所述人臉訓(xùn)練樣本集包括第一預(yù)設(shè)個數(shù)的類別標(biāo)簽樣本圖像和第二預(yù)設(shè)個數(shù)的無標(biāo)簽樣本圖像，所述人臉識別模型包括多個子分類器，每個子分類器對應(yīng)所述人臉訓(xùn)練樣本集中的一個類別；

對所述人臉訓(xùn)練樣本集中包含的每一類別的數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化字典學(xué)習(xí)，以得到各類別數(shù)據(jù)集的子字典和相對應(yīng)的子稀疏編碼；結(jié)構(gòu)化字典學(xué)習(xí)的過程為通過最小化樣本重建誤差項(xiàng)和解析的非相干性增強(qiáng)項(xiàng)；對各類別數(shù)據(jù)集的子稀疏編碼進(jìn)行近似分析，得到各子稀疏編碼的子投影；

根據(jù)各子投影及所述人臉訓(xùn)練樣本集訓(xùn)練所述人臉識別模型中的各子分類器；

利用所述人臉識別模型中的各子分類器對所述人臉測試樣本集進(jìn)行分類，輸出所述人臉測試樣本集的所屬類別標(biāo)簽；

其中，所述對所述人臉訓(xùn)練樣本集中包含的每一類別的數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化字典學(xué)習(xí)，以得到各類別數(shù)據(jù)集的子字典和相對應(yīng)的子稀疏編碼的過程包括：

將下述公式作為所述人臉識別模型中的提升函數(shù)，對所述人臉訓(xùn)練樣本集中包含的每一類別的數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化字典學(xué)習(xí)：

式中，為學(xué)習(xí)得到的子字典集，K為字典數(shù)目，c為所述人臉訓(xùn)練樣本集包含的類別數(shù)目，為第l類的子字典，為第l類的子字典對應(yīng)的子稀疏編碼，為子稀疏編碼矩陣S＝[S₁，…，S_l，…，S_c]中S_j的互補(bǔ)矩陣。

2.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)化分析字典的人臉識別方法，其特征在于，所述對各類別數(shù)據(jù)集的子稀疏編碼進(jìn)行近似分析，得到各子稀疏編碼的子投影包括：

根據(jù)下述公式從各子稀疏編碼中提取相對應(yīng)的子投影：

式中，所述人臉訓(xùn)練樣本集為

為子投影集，是第l類子稀疏編碼的子投影；||S_l||_2，1為l_2，1范數(shù)約束。

3.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)化分析字典的人臉識別方法，其特征在于，所述根據(jù)各子投影及所述人臉訓(xùn)練樣本集訓(xùn)練所述人臉識別模型中的各子分類器包括：

根據(jù)各子投影及所述人臉訓(xùn)練樣本集，利用下述公式作為訓(xùn)練函數(shù)對所述人臉識別模型中的各子分類器進(jìn)行訓(xùn)練：

式中，所述人臉訓(xùn)練樣本集為為子投影集，是第l類子稀疏編碼的子投影，h_l,i＝[0,…,1,…,0]∈R^c為所述人臉訓(xùn)練樣本集的類別標(biāo)簽向量，非0數(shù)值代表X_l所屬的類別，W_l∈R^c×k為子分類器。

4.根據(jù)權(quán)利要求1至3任意一項(xiàng)所述的基于結(jié)構(gòu)化分析字典的人臉識別方法，其特征在于，所述人臉識別模型的目標(biāo)函數(shù)為：

式中，為子字典的約束，所述人臉訓(xùn)練樣本集為為子投影集，是第l類子稀疏編碼的子投影，h_l,i＝[0,…,1,…,0]∈R^c為所述人臉訓(xùn)練樣本集的類別標(biāo)簽向量，非0數(shù)值代表X_l所屬的類別，W_l∈R^c×k為子分類器，||S_l||_2，1為l_2，1范數(shù)約束，α、τ、λ為參數(shù)。