[發明專利]一種加權稀疏表示人臉識別方法

在審

• 申請號: 201810549661.8
• 申請日: 2018-05-31
• 公開（公告）號: CN108681725A
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 王林;鄧芳娟
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王歡

本發明公開了一種加權稀疏表示人臉識別方法，具體按照以下步驟進行：步驟1，輸入訓練人臉圖像，獲得字典矩陣A；步驟2，對字典矩陣A和待測人臉圖像y采用主成分分析法進行特征降維，且進行列的歸一化處理使字典矩陣A和待測人臉圖像y具有l₂范數；步驟3，采用高斯核函數計算訓練人臉圖像權重w_i,j；步驟4，引入步驟3中的訓練人臉圖像權重w_i,j，構造加權訓練字典矩陣A'；步驟5，求解稀疏系數x，獲得重構待測人臉圖像y^*；步驟6，根據步驟5的重構待測人臉圖像y^*，計算待測人臉圖像對應的每類人的殘差；步驟7，輸出：通過式(15)判斷待測人臉圖像y的類別，實現人臉識別。本發明的方法提高人臉識別算法在姿態、表情等較大類內變化環境下的識別精度和魯棒性。

技術領域

本發明屬于圖像處理及模式識別的技術領域，具體涉及一種加權稀疏表示人臉識別方法。

背景技術

人臉別技術作為計算機視覺和模式識別領域研究的熱點課題之一，因其強大適應性、高安全性和智能互動性被廣泛用于身份證信息系統、銀行監控、海關出入境檢查、犯罪嫌疑人追逃、校園安全、門禁系統等領域，具有潛在的應用前景。

人臉識別系統通常包括人臉檢測、特征提取和識別算法三個部分。傳統的人臉識別技術研究側重于特征提取和識別算法，并已形成了一些經典的方法，例如，主成分分析、線性鑒別分析、彈性匹配、神經網絡等方法。現實中很多事物都具有稀疏性這一普遍特點，并且在人臉識別領域中，若每一類人臉圖像樣本比較充足，則這些人臉樣本可張成一個人臉子空間，此類人臉的每一幅圖像都能由這個子空間線性表示或逼近。基于此思想，2009年，Wright等人認為圖像在圖像模式中的稀疏性不僅存在于圖像內部，也存在于圖像模式之間，繼而提出了基于稀疏表示(Sparse Representation Classification，SRC)的人臉識別方法，利用同類人臉圖像的線性相關性，將所有訓練樣本構造成超完備字典并逐一對測試樣本進行稀疏重建，最后根據稀疏重構誤差進行分類判別，該方法有效地解決了人臉識別魯棒性差的問題。隨后，一系列基于SRC方法的研究取得了很大的進展，具有代表性的包括稀疏重構算法的優化策略、超完備字典的構造以及SRC算法與其他算法的結合等等。雖然SRC在人臉識別領域中取得了很優異的成果，并引起了學者們的廣泛研究，但目前仍然存在一些技術難點。首先，所采集的人臉圖像是在不可控的自然環境下進行，常常含有姿態、光照、表情等類內變化；此外，SRC算法耗時高，無法滿足實際應用中對實時性的要求。基于此，如何在含有較大類內變化的人臉識別問題中高效地取得良好的識別結果，便成了人臉識別研究所關心的問題。

發明內容

本發明的目的是提供一種加權稀疏表示人臉識別方法，解決了現有人臉識別方法的人臉圖像處于姿態、表情等較大類內變化情況時表現不足的問題。

本發明所采用的技術方案是，一種加權稀疏表示人臉識別方法，其特征在于，具體按照以下步驟進行：

步驟1，輸入訓練人臉圖像，獲得字典矩陣A；

步驟2，對字典矩陣A和待測人臉圖像y采用主成分分析法進行特征降維，并且進行列的歸一化處理使字典矩陣A和待測人臉圖像y具有l₂范數；

步驟3，采用高斯核函數計算每張訓練人臉圖像和待測人臉圖像y之間的距離或相似度，即訓練人臉圖像權重w_i,j；

步驟4，引入步驟3中的訓練人臉圖像權重w_i,j，構造加權訓練字典矩陣A'：

式(4)中，表示加權后第k類樣本的第n_k個圖像；

步驟5，求解稀疏系數，獲得重構待測人臉圖像；