[发明专利]基于Gabor特征与字典学习的人脸姿态识别方法

权利要求书

1.一种基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，包括下列步骤：

对在线输入的待识别人脸姿态图像进行Gabor特征提取，构建Gabor特征向量y；

对所述Gabor特征向量y使用姿态完备字典进行线性组合表示，建立稀疏表示模型并求解系数向量，其中Gabor特征向量m为Gabor特征向量维数；

根据上述求解的线性组合的系数向量进行人脸姿态分类识别；

对所述Gabor特征向量y使用姿态完备字典进行线性组合表示之前，还包括所述姿态完备字典的训练步骤，其中所述姿态完备字典包括对应无遮挡的人脸姿态的第一姿态完备字典D和对应有遮挡的人脸姿态第二姿态完备字典D_e，所述第一姿态完备字典D和所述第二姿态完备字典D_e的训练分别独立完成；

其中，所述在线输入的待识别人脸姿态图像为有遮挡的人脸姿态图像时，提取所述待识别人脸姿态图像的Gabor特征向量m为Gabor特征向量维数，将y看成由所述的第一姿态完备字典和第二姿态完备字典共同线性组合表示：

其中无遮挡图像y₀与遮挡误差图像e₀分别可由第一姿态完备字典D和第二姿态完备字典稀疏表示，D_e为正交单位矩阵，所述稀疏表示模型即为

所述稀疏表示模型将有遮挡的人脸姿态图像识别问题转化成如下的优化问题：

(l¹):ω＝argmin||ω||₁s.t.Bω＝y，

该问题通过标准的线性规范方法进行求解。

2.根据权利要求1所述的基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，

所述人脸姿态划分为7个不同姿态类别，分别定义为左偏转、左侧脸、右偏转、右侧脸、正面、抬头和点头，其各对应不同的子空间。

3.根据权利要求1所述的基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，所述第一姿态完备字典D的训练过程具体如下：

分别收集各姿态类别的人脸姿态图像样本，并对所述人脸姿态图像样本进行Gabor滤波处理以及特征提取并向量化组成各姿态类别的人脸姿态Gabor特征训练集；

对每类姿态类别的人脸姿态Gabor特征训练集使用K-SVD进行训练优化分别得出最佳子字典D_i，i＝1，2，…，7；

将各类最佳子字典D_i组成第一姿态完备字典D＝[D₁,D₂,…,D₇]。

4.根据权利要求3所述的基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，所述人脸姿态图像的Gabor特征为：

其中，是通过对Gabor滤波系数的模进行ρ次采样而得到的列向量，μ,v为Gabor滤波器的方向与尺度，为人脸姿态图像与Gabor核ψ_μ,v的卷积，Gabor核定义为：

其中，z(x,y)表示像素；为小波项，k_v＝k_max/f^v，φ_μ＝πμ/8，σ＝1.5π控制着高斯窗口宽度与波长的比例。

5.根据权利要求1所述的基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，所述根据上述求解的线性组合的系数向量进行人脸姿态分类识别具体为通过对所述求解的线性组合的系数向量进行有效性累计，以累计值最大作为判定分类的依据，即

其中，f(·)是特殊函数，用于将稀疏表示模型的表示系数的负因子置0，是选取函数，用于仅选择稀疏表示模型的表示系数中第i类子空间矩阵所对应的表示系数，并且将其它表示系数置0，p_i(y)是训练样本集合中第i类姿态类别对应的子空间与其对应的稀疏表示模型的表示系数的有效性累计因子。