[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

本發明涉及一種快速的稀疏表示單樣本人臉識別方法，包括如下步驟：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；通過輔助集構建類內變化字典集；通過同倫算法，計算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；計算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。本發明充分考慮了稀疏表示相似性原理，極大限度地提高了稀疏表示單樣本人臉識別方法的分類速度。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種稀疏表示單樣本人臉識別方法。

背景技術

稀疏表示分類技術主要應用于單樣本人臉識別問題中，其在信息安全、智能交通監控、身份識別等領域有著廣泛的應用需求。如在智能交通監控系統中，由于存儲容量有限，一般只記錄每人一張高清圖像，通過快速的稀疏表示分類，計算部分單訓練圖像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，提高智能交通監控系統通過人臉圖像從多個駕駛員中自動識別出一個正確的駕駛員的快速性，能夠對駕駛員信息作出快速判斷。

稀疏表示分類方法源于這樣一個事實，對一測試圖像進行分類，需要計算每個稀疏系數對應訓練集中訓練圖像向量和類內變化字典集表示測試圖像向量的表示殘差，依據殘差最小所對應訓練圖像類對測試圖像進行相應的分類。依據稀疏表示相似性原理，如果測試圖像與某個訓練圖像越相似，則這個訓練圖像向量相應稀疏系數較大，并且這個訓練圖像向量和內類變化字典集表示測試圖像向量的殘差較小，反之也成立。

近年來，稀疏表示分類的單樣本人臉識別方法成為人臉識別領域的一個重要研究課題，提高人臉識別系統在大量單訓練樣本下的識別快速性有顯著意義和應用價值。基于稀疏表示分類的單樣本人臉識別方法能取得較高的識別率，但是在大量單訓練樣本的情況下，需要消耗大量的計算時間，在實際應用中不能令人滿意。基于快速的稀疏表示分類的單樣本人臉識別方法，具有較快的識別速度，因此快速的稀疏表示單樣本人臉識別方法最有可能較快地應用于處理大數據量的人臉識別系統中。

發明內容

有鑒于此，有必要提供一種稀疏表示單樣本人臉識別方法，用以解決在大量的單訓練樣本下，稀疏表示人臉識別速度慢的問題。

本發明提供一種快速的稀疏表示單樣本人臉識別方法，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。

進一步的，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：