[發明專利]一種快速的稀疏表示單樣本人臉識別方法

在審

• 申請號: 202011269226.3
• 申請日: 2020-11-13
• 公開（公告）號: CN112364784A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 葉夢君;雷改惠;胡長暉;葉天鳳;詹習生;萬里光;涂建
• 申請（專利權）人: 湖北師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 陳鴻偉

1.一種快速的稀疏表示單樣本人臉識別方法，其特征在于，包括以下步驟：

步驟1、采集彩色人臉圖像，構建輔助集和單位向量訓練集；采集一張測試彩色人臉圖像；

步驟2、通過所述輔助集構建類內變化字典集；

步驟3、通過同倫算法，計算所述單位向量訓練集和類內變化字典集表示測試圖像向量的稀疏系數向量；

步驟4、計算單位向量訓練集對應的稀疏系數向量中每個正稀疏系數對應訓練集中向量和類內變化字典集表示測試圖像向量的殘差，將測試圖像歸類于最小殘差對應的訓練圖像類。

2.根據權利要求1所述的快速的稀疏表示單樣本人臉識別方法，其特征在于，所述步驟1具體為：

步驟1.1、采集M個不同人的彩色人臉圖像，每人C張，用于構建輔助集；采集N個不同人的彩色人臉圖像，每人一張，用于構建單位向量訓練集；采集一張測試彩色人臉圖像；采集每張彩色人臉圖像大小均為h×w×3，其中h為彩色人臉圖像矩陣的行數，w為彩色人臉圖像矩陣的列數；

步驟1.2、將所述步驟1.1中構建輔助集的MC張(其中MC＝M×C)彩色人臉圖像、構建單位向量訓練集的N張彩色人臉圖像和一張測試彩色人臉圖像分別轉化為大小為h×w的灰度人臉圖像，將得到的灰度人臉圖像矩陣按列展開，轉化為大小為hw×1的灰度人臉圖像向量；

步驟1.3、將所述步驟1.2中N個大小為hw×1的灰度人臉圖像向量分別轉換為大小為hw×1的灰度人臉圖像單位向量，得到的N個灰度人臉圖像單位向量組成單位向量訓練集A如下：

A＝[V₁,V₂,V₃,…,V_t,…,V_N]；

其中，V_t為單位向量訓練集中第t人灰度人臉圖像單位向量，t＝1,2,…,N；

步驟1.4、將所述步驟1.2中MC個大小為hw×1的灰度人臉圖像向量組成輔助集。

3.根據權利要求1所述的快速的稀疏表示單樣本人臉識別方法，其特征在于，所述步驟2具體為：

步驟2.1、計算所述步驟1.4輔助集中M個人的均值圖像向量，即每一個人的C個圖像向量的和與C之商，得到M個大小為hw×1的均值圖像向量；

步驟2.2、計算所述步驟1.4輔助集中每一個圖像向量的類內變化向量，即每一個人的每一張人臉圖像向量與這個人的均值圖像向量之差，得到MC個大小為hw×1的類內變化向量；

步驟2.3、將步驟2.2中的每一個類內變化向量轉化為大小為hw×1的單位向量，得到MC個類內變化單位向量，由MC個類內變化單位向量組成類內變化字典集D如下：

D＝[D₁₁,…,D_1C,D₂₁,…,D_2C,D₃₁,…,D_ij,…,D_MC]；

其中D_ij為輔助集中第i人第j個類內變化單位向量，i＝1,2,…,M；j為第i人的類內變化單位向量編號，j＝1,2,…,C。

4.根據權利要求1所述的快速的稀疏表示單樣本人臉識別方法，其特征在于，所述步驟3具體為：

步驟3.1、所述步驟1和步驟2的單位向量訓練集A和類內變化字典集D表示測試圖像向量的最優表達式如下：

其中Z為大小hw×1的測試圖像向量；||·||₂表示向量的L2范數，||·||₁表示向量的L1范數；大小為N×1的x_a和大小為MC×1的x_d分別為A和D對應的稀疏系數向量；

步驟3.2、通過同倫算法求解所述步驟3.1表達式中L2范數與L1范數之和最小對應的稀疏系數向量x_a和稀疏系數向量x_d。

5.根據權利要求1所述的快速的稀疏表示單樣本人臉識別方法，其特征在于，所述步驟4具體為：

步驟4.1、計算所述步驟3.2稀疏系數向量x_a中每個正稀疏系數對應訓練集中向量和類內變化字典集表示測試圖像向量的殘差r_l(Z)如下：

其中大小為N×1向量唯一非零元素是x_a中的正元素，這兩個元素具有相同的數值和位置編號，l取向量x_a中正元素對應的行編號，

步驟4.2、計算所述步驟4.1中最小殘差對應的訓練向量編號，測試圖像歸類于最小殘差對應的訓練圖像類。