[發明專利]基于循環自編碼和塊稀疏結構表示的單樣本人臉識別方法

有效

• 申請號: 202011403336.4
• 申請日: 2020-12-02
• 公開（公告）號: CN112580444B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 劉凡;王鈺;許峰
• 申請（專利權）人: 河海大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/44;G06V10/82;G06K9/62;G06N3/02;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 姜慧勤

1.基于循環自編碼和塊稀疏結構表示的單樣本人臉識別方法，其特征在于，包括如下步驟：

步驟1，對于所有標準人臉圖片形成的數據集X＝[x₁,x₂,…,x_M,x_M+1,…,x_N]，通過稀疏自編碼器網絡提取每個標準人臉圖片的人臉身份特征，稀疏自編碼器網絡的輸入為標準人臉圖片x_n，將稀疏自編碼器網絡隱藏層的輸出作為人臉身份特征IF_xn，n＝1,…,N，M＜N，N表示所有標準人臉圖片的數量即所有標準人臉圖片的類別；

步驟2，利用通用數據集對生成變化模型進行預訓練，得到生成變化模型及其預訓練參數；所述通用數據集包括標準人臉數據和帶變化人臉數據，標準人臉數據X_G＝[x₁,x₂,…,x_M]為步驟1所述數據集的一部分，帶變化人臉數據中的人臉圖片與標準人臉數據中的人臉圖片一一對應；

步驟3，利用通用數據集對去除變化模型進行預訓練，得到去除變化模型及其預訓練參數；

步驟4，連接步驟2得到的生成變化模型和步驟3得到的去除變化模型，利用數據集[x_M+1,…,x_N]對上述兩個模型的預訓練參數進行優化，優化完成后，分離兩個模型；將數據集[x_M+1,…,x_N]輸入生成變化模型得到生成變化樣本，將數據集作為訓練樣本，訓練樣本和生成變化樣本一起作為訓練集；獲取測試樣本，將測試樣本輸入去除變化模型得到去除變化樣本，將測試樣本和去除變化樣本放在一起作為測試集；

步驟5，對于訓練集和測試集中的圖片，用大小相同的正方形窗口對各圖片進行分塊，正方形窗口滑過圖片的每個像素點，在圖片的每一個像素點處得到對應的一個正方形塊，接著在每個正方形塊內部，確定出一個中心子塊及其若干鄰域子塊；

步驟6，假設每個正方形塊內的不同子塊屬于同一線性子空間，利用訓練集所有圖片像素i處對應的正方形塊內的全部子塊構建局部字典Aⁱ，利用測試集所有圖片像素i處對應的正方形塊內的全部子塊構建測試矩陣Cⁱ，使用塊稀疏表示模型描述不同測試樣本圖片所對應的子空間；

步驟7，通過非嚴格的增廣拉格朗日乘法求解步驟6的塊稀疏表示模型，得到塊稀疏表示系數矩陣；

步驟8，根據塊稀疏表示系數矩陣，對每個測試樣本圖片的各正方形塊進行分類；

步驟9，識別每個測試樣本圖片的各正方形塊的類別后，通過投票的方法確定測試樣本圖片所屬的類別。