[发明专利]基于多级分类的稀疏表征人脸识别方法

权利要求书

1.一种基于多级分类的稀疏表征人脸识别方法，包括如下步骤：

(1)将用于训练的人脸数据库随机的分成n个子库，n取4，分别对每个子库运用Fisher准则实现降维，保留降维后的训练人脸数据和对应每个子库的变换矩阵W；

(2)输入测试人脸图像，分别在各子库的变换矩阵W下进行矩阵变换，快速实现降维，并保留降维后的测试人脸数据

(3)用降维后的测试人脸数据与各子库中的训练人脸数据B作内积运算，选择内积值最大的前k个子库作为候选子库，使搜索范围缩小到这k个子库中，k取2；

(4)分别在k个子库中运用基于信号的稀疏表示的人脸识别方法SRC对人脸进行识别，确定测试人脸图像所属的类别。

2.根据权利要求1所述的人脸识别方法，其中步骤(1)所述的分别对每个子库运用Fisher准则实现降维，按照如下步骤进行：

(2a)设子库中的训练人脸图像样本集为：X＝{x_i}，i＝1，2，...，N，其中，N为子库中训练人脸图像的总数目，子库中训练人脸图像的类别数为c，计算子库中的训练人脸图像样本的类间散步矩阵S_b和类内散步矩阵S_w：

Sb=Σi=1cni(μi-μ)(μi-μ)T]]>

Sw=Σi=1cΣx∈Di(x-μi)(x-μi)T]]>

其中，n_i为第i类训练人脸图像的数目，μ_i是第i类人脸图像的均值，μ是所有人脸图像的均值，D_i是第i类训练人脸图像样本的集合，x是D_i中的一幅人脸图像；

(2b)计算准则函数J(W)：

J(W)=|WTSbW||WTSwW|]]>

其中，W是一个使得准则函数J(W)取得最大值的最优矩阵；

(2c)设最优矩阵W的第i个列向量为w_i，则w_i是下列等式中的最大特征值所对应的特征向量：

S_bw_i＝λ_iS_ww_i，其中λ_i是特征值

由于S_b是c个秩为1或0的矩阵的和，其中只有c-1个矩阵是相互独立的，所以S_b的秩为c-1或更低，这样非零的特征值至多只有c-1个，对应的特征向量也就至多有c-1个，也就是最优矩阵W最多有c-1个列向量；

(2d)将子库中的训练人脸图像分别投影到最优矩阵W的c-1个列向量上，得到投影后的训练人脸图像，其维数为c-1，从而实现对训练人脸图像的降维。