[发明专利]面部快速识别系统和方法

权利要求书

1.一种面部识别方法，其在计算系统中使用基于稀疏表示和正则化的最小二乘法的分类识别，其包括：

获取一个图像作为测试样本y和获取某特定物体的一组图像集合作为训练样本矩阵T；

在基于扩散性系数表示的分类识别中，测试样本y用如下算式表示：y＝Ta+Vb+e，其中，表示可变字典，为每个目标i表征，表示稀疏向量；

V不能识别的不同类型的变量由密集噪声项表示；向量为稀疏的，并且，向量的系数在最终图像不受控制的可视条件下，识别目标不具有多信息时，进行识别；

获取包含稀疏向量a初始估值的训练样本和训练样本的稀疏表示；

构建一个由带非零相关系数的稀疏向量a的训练样本组成新字典；

通过求解正则化最小二乘法问题获取新系数；

使用新系数来确定基于计算得到的最小类别残余的测试样本的面部身份。

2.根据权利要求1所述的面部识别方法，其特征在于，进一步包括：将测试样本的面部身份呈现给使用该计算系统的用户。

3.根据权利要求1所述的面部识别方法，其特征在于，进一步包括：确定选择使用标准稀疏编码最优解问题还是使用近似稀疏编码最优解问题来获得稀疏向量a的初始估值，在标准稀疏编码最优解问题中使用l₁最小算式，近似稀疏编码最优解问题则需要首先求解最小二乘法问题然后使用临界值将最值归零。

4.根据权利要求3所述的面部识别方法，其特征在于，测试样本y表示为T中样本的稀疏线性组合：y＝Ta+e，其中，表示密集噪声，表示与T中部分样本相对应的非零元素稀疏向量。

5.根据权利要求4所述的面部识别方法，其特征在于，当使用标准稀疏编码最优解问题时，稀疏向量a的系数根据以下算式通过求解稀疏编码最优解问题获取：

6.根据权利要求4所述的面部识别方法，其特征在于，当使用近似稀疏编码最优解问题时，稀疏向量a的系数根据以下算式通过求解近似稀疏编码最优解问题获取：

7.根据权利要求1所述的面部识别方法，其特征在于，组成新字典进一步包括：提供函数f(a_i)，其中a_i表示与类别i相关联的a的一个片段，如下所示：

构建新字典T为其中×表示卷积因子。

8.根据权利要求7所述的面部识别方法，其特征在于，获取新系数进一步包括：通过求解正则化最小二乘法问题获取一个新的向量估值：

其具有一个相似的求解形式：

f＝(T^TT+λI)^-1T^Ty，其中，仅在训练样本非零时，是一个非零系数的向量，λ0且为常数。

9.根据权利要求8所述的面部识别方法，其特征在于，每个类别i的最小类别残余通过以下算式计算，

e_i(y)＝‖y-T_if_i‖₂，

其中，f_i是与类别i相关的稀疏向量系数，测试样本y的面部身份确定为Identity(y)＝argmin_i{e_i}。

10.根据权利要求2所述的面部识别方法，其特征在于，呈现面部身份进一步包括：提示用户一个或多个基于面部身份的事件。