[發明專利]一種基于判別性低秩分解與稀疏表示的人臉識別方法

在審

• 申請號: 202011144812.5
• 申請日: 2020-10-23
• 公開（公告）號: CN112232250A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 成科揚;孫家傲;王文杉;師文喜;陳鵬
• 申請（專利權）人: 鎮江昭遠智能科技有限公司;中國電子科技集團公司電子科學研究院;江蘇大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，包括如下步驟：

S1：根據訓練人臉圖像，獲得字典矩陣D；

S2：對字典矩陣D進行判別性低秩分解，把字典矩陣D分解為與人臉信息相關的低秩組件L和與稀疏誤差相關的非低秩組件N，并添加兩項結構不相關判別項去除類間相關性；

S3：對測試樣本進行稀疏低秩組件編碼，并重構殘差函數優化重構誤差；

S4：計算測試樣本所對應每類訓練樣本的稀疏殘差，根據稀疏殘差最小完成分類，實現人臉識別。

2.根據權利要求1所述的一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，所述S1的實現包括：設字典矩陣D有c類訓練樣本，每類由n_i張訓練人臉圖像組成，則共有張訓練人臉圖像，得出字典矩陣D：

D＝[D₁,D₂,...,D_c]∈R^m*n (1)

m是特征向量的維數。

3.根據權利要求1所述的一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，所述S2的判別性低秩分解公式為：

其中，D_i表示第i類的訓練樣本，L_i表示第i類的低秩分量，N_i表示第i類的非低秩分量。為了方便求解，A_i、B_i為輔助變量，χ表示非低秩分量N_i的權重，φ₁、φ₂表示不相關判別項的權重，χ、φ₁、φ₂的值均大于0，其對應的拉格朗日擴展式為：

其中，X_i、Y_i、Z_i是拉格朗日乘子，μ是懲罰因子，＜·,·＞表示矩陣的內積。

4.根據權利要求3所述的一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，利用交替方向乘子法求解公式(2)的最小值，在每次迭代中更新如下參數：

1)更新第k+1次迭代參數的值，固定除了以外的其他變量；

其中由軟閾值法可求解式(8)：

2)更新第k+1次迭代參數的值，固定除了以外的其他變量；

其中由軟閾值法可求解式(10)：

3)更新第k+1次迭代參數的值，固定除了以外的其他變量；

4)更新第k+1次迭代參數的值，固定除了以外的其他變量；

5)更新拉格朗日乘子

6)更新懲罰系數

7)判斷式(2)是否收斂，如果收斂則結束迭代，如果不收斂則繼續迭代。

5.根據權利要求1所述的一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，所述S3的實現根據如下公式：

y＝Lα+Nβ+z (18)

其中，α表示稀疏因子，β是控制非低秩組件N的折衷常數，z表示重構誤差。

6.根據權利要求5所述的一種基于判別性低秩分解與稀疏表示的人臉識別方法，其特征在于，所述稀疏因子α是通過求解l₁范數獲得：

其中λ表示為控制重構誤差的常數；

將每一類的殘差函數p(z_i)表示為：

η和θ是殘差函數中的可調參數；

重構殘差函數，在求導過程中優化重構誤差：

其中，w(z_i)表示誤差的權重，