[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

本發明公開了一種基于判別性低秩分解與稀疏表示的人臉識別方法。包括如下步驟：首先輸入訓練人臉圖像，獲得字典矩陣；然后對字典矩陣進行判別性低秩分解，獲取與人臉信息相關的低秩組件和與稀疏誤差相關的非低秩組件；其次對獲取的低秩分量和非低秩分量基于稀疏表示進行稀疏低秩組件編碼，并重構殘差函數減小重構誤差，最后計算測試樣本所對應每類訓練樣本的稀疏殘差，測試樣本被歸類于產生稀疏殘差最少的那一類。本發明在人臉受光照、遮擋干擾的情況下，有著較高的準確性，對光照、遮擋等影響具有良好的魯棒性。

技術領域

本發明屬于圖像處理技術領域，具體涉及一種基于判別性低秩分解與稀疏表示的人臉識別方法。

背景技術

J.Wright最先在機器學習領域中將稀疏理論應用于人臉識別，產生了稀疏表示的人臉識別算法(SRC)，該算法在理想環境下有著較好的識別結果，但是在受光照、遮擋干擾等情況識別結果有待優化；在訓練樣本不足的情況下，構成的字典矩陣無法滿足稀疏表示的需求時，SRC的識別率會降低。E.Candes等人提出了一種矩陣低秩恢復算法(LRR)，該算法通過分解構造的字典矩陣得到一個低秩組件和一個非低秩組件，低秩組件描述與人臉相關的信息，非低秩組件描述的是與稀疏誤差相關的信息，使得字典的求解有了新的突破。杜海順等人根據LRR理論提出了一種基于低秩恢復稀疏表示分類器(LRR-SRC),該算法在訓練樣本數量不足的情況下可以有效的識別人臉，但在識別率上有待提高。

發明內容

本發明為了解決現有人臉識別算法在人臉被遮擋、被光照干擾等情況表現不足的問題，本發明提出一種基于判別性低秩分解與稀疏表示的人臉識別方法，首先對訓練樣本進行判別性低秩分解，獲取與人臉信息相關的低秩組件，減少受光照、遮擋等影響產生的稀疏誤差，然后再重構殘差函數優化誤差，進而優化識別結果，對光照、遮擋等影響具有良好的魯棒性。

本發明的技術方案為:一種基于判別性低秩分解與稀疏表示的人臉識別方法，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D；

步驟(2)：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；

步驟(3)：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；

步驟(4)：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，進而實現人臉識別。

本發明的有益效果：

(1)本發明改進判別性低秩分解，通過添加兩項結構不相關判別性項，去除類間相關性，有效的獲取與人臉信息相關的低秩分量，減少由光照、遮擋等產的的稀疏誤差對分類的影響。

(2)本發明重構殘差函數，由于遮擋部分通常比正常部分有著更大的重構誤差，通過得到的加權矩陣動態平衡重構誤差，進一步的降低遮擋產生的不良影響，進而提高在遮擋環境下本發明的魯棒性。

附圖說明

圖1為本發明實施的流程框圖。

具體實施方式

下面結合附圖對本發明作進一步說明。

如圖1所示，本發明基于判別性低秩分解與稀疏表示的人臉識別方法，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D：

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；