[发明专利]一种人脸识别系统及其方法

权利要求书

1.一种人脸识别系统，其特征在于：

本系统是一种基于图像子空间恢复和分块最大相似性嵌入稀疏编码的人脸识别系统，由图像子空间低秩恢复模块（101）、第1图像分块模块（102）、第2图像分块模块（103）、图像间相似度估计模块（104）、第1特征降维模块（105）、第2特征降维模块（106）和稀疏编码表示与识别模块（107）组成；

其交互关系是：

图像子空间低秩恢复模块（101）分别与第1图像分块模块（102）和第1特征降维模块（105）并行交互；

图像间相似度估计模块（104）的输入端分别与第1图像分块模块（102）和第2图像分块模块（103）交互，图像间相似度估计模块（104）的输出端与稀疏编码表示与识别模块（107）交互；

稀疏编码表示与识别模块（107）分别与第1特征降维模块（105）和第2特征降维模块（106）并行交互；

所述的图像子空间低秩恢复模块101负责对输入的每类训练人脸图像进行子空间低秩恢复处理，由原始的存在干扰成分的训练人脸图像得到较为干净的训练人脸图像；

所述的第1图像分块模块102负责对训练人脸图像进行非重叠分块；

所述的第2图像分块模块103负责对测试人脸图像进行非重叠分块；

所述的图像间相似度估计模块104负责估计输入的测试人脸图像与每一幅训练人脸图像的相似度值，其工作流程是：

A、计算测试人脸图像每一子块与训练人脸图像对应子块间的均方误差并取倒数；

B、求取各对应子块间的均方误差的倒数的最大值。

所述的第1特征降维模块105负责对输入的训练人脸图像进行特征降维，得到相应的降维表示；

所述的第2特征降维模块106负责对输入的测试人脸图像进行特征降维，得到相应的降维表示。

所述的稀疏编码表示与识别模块107负责对测试人脸图像所属类的判别，其工作流程是：

a、计算测试人脸图像基于所有训练人脸图像的稀疏编码表示；

b、计算测试人脸图像与由每一类训练人脸图像的线性表示之间的归一化均方误差；

c、通过比较归一化均方误差最小确定测试人脸图像所属的类。

2.按权利要求1所述系统的人脸识别方法，其特征在于包括如下步骤：

第1，开始；

第2，图像子空间低秩恢复模块将输入的训练人脸图像按所属类分别进行低秩恢复处理：

①将第c（c=1,2，...，C；C为全部训练人脸图像包含的总类数）类训练人脸图像先按列进行矢量化，然后组合表示为矩阵形式其中的a_c,i为属于第c类的第i幅训练人脸图像的矢量化表示；

②采用下面公式实现对第c类训练人脸图像的子空间低秩恢复处理

A‾c=min||A‾c||*+λ||Ec||1,s.t.Ac=A‾c+Ec]]>

其中称为由第c类训练人脸图像经过子空间低秩恢复处理得到的干净训练人脸图像矩阵表示，为误差人脸图像矩阵；

第3，第1图像分块模块和第1图像分块模块同时分别对训练人脸图像和测试人脸图像进行均等分非重叠分块；通常采用以额头、眼镜、鼻子和嘴巴等人脸关键部位为基准进行均等分分块，确保每一分块图像包含人脸面部的主要特征；用tt表示测试人脸图像，tt^p,p＝1,2,...,P为tt图像的第p分块图像，P为总的分块数一般可取为4,6，或8；用c＝1,2,...,C;i＝1,2,...,K_c表示经由第2部处理后得到的第c类训练图像的第i幅图像，为图像的第p分块图像；

第4，图像间相似度估计模块估计输入的测试人脸图像与每一个训练人脸图像的相似度值：

①计算Sc,ip=1/||ttp-a-pc,i||2,p=1,2,...,P,c=1,2,...,C;]]>

②计算Sc,i=max{Sc,ip,p=1,2,...,P},c=1,2,...,C;]]>

式中用表示测试人脸图像tt与训练人脸图像的对应第p分块间的相似度值，用S_c,i表示测试图像tt与训练图像的相似度值；

第5，第1特征降维模块和第2特征降维模块可采用但不限于用常用的主成分分析降维的方法对测试图像和训练图像实现特征提取降维，得到测试图像和训练图像的降维表示，用y表示tt图像特征降维并矢量化的结果，用D_c,i表示图像特征降维并矢量化的结果；

第6，稀疏编码表示与识别模块执行稀疏编码表示并完成分类识别：

①构造训练矩阵求解下面公式表示的稀疏编码问题，

x^=argminx||y-Dx||22+λ||Wx||lp]]>

其中的l_p＝0,1或2，W＝diag{1/S_c,i}，λ为规则化因子取某个较小的常数；

②由下式计算测试人脸图像与各类训练人脸图像线性表示的归一化残差，

err(c)=||y-Dcδc||22/||δc(x^)||22]]>

其中的D_c表示由第c类训练图像构成的子矩阵，表示系数矢量对应第c类训练图像的表示系数子矢量，

③由式根据归一化误差最小确定测试人脸图像的所属类别并输出识别结果。