[发明专利]一种人脸编码及识别方法

权利要求书

1.一种人脸编码及识别方法，其特征在于，包括以下步骤：

S1、提取人脸图像特征；

S2、基于提取的人脸图像特征，分析人脸图像库中人脸图像样本的高阶图 结构p-Laplacian信息，并进行字典学习；

S3、根据获得的字典，分析人脸图像的稀疏编码；

S4、基于人脸图像的稀疏编码获得预测模型；

S5、基于预测模型对待识别人脸图像进行识别。

2.根据权利要求1所述的一种人脸编码及识别方法，其特征在于，所述步 骤S2中进行字典学习的具体过程如下：

S21、初始化：设定用以平衡p-Laplacian正则项和稀疏项的参数γ₁，γ₂及字 典元素数目并生成学习字典D；

S22、固定字典D，通过目标函数分析图像 对应的稀疏编码W，X为人脸图像特征矩阵，Δ_pW为图像样本高阶图结构p-Laplac ian信息；

S23、固定稀疏编码W，通过目标函数分析特征字 典D；

S24、判断目标函数是否满足收敛条件，若满足，则结束，否则，返回执行 S22。

3.根据权利要求1所述的一种人脸编码及识别方法，其特征在于，所述步 骤S3基于学习字典分析人脸图像的稀疏编码的具体过程如下：

S31、初始化：根据学习字典设定D和参数γ₃，设定x是待标记图像的输入人 脸图像特征，w是其对应的稀疏编码；

S32、通过目标函数分析输入人脸图像的稀疏编码w。

4.根据权利要求1所述的一种人脸编码及识别方法，其特征在于，所述步 骤S2中获得高阶图结构p-Laplacian信息的过程如下：

S221、初始化：设人脸图像库中人脸图像构成的图结构为G_ω＝(V，E)，其中V 代表N个人脸图像样本点的组成集合，E代表人脸图像样本点连接的边集合，ω代 表样本点邻接关系的权重计算函数，人脸图像样本点与其标记概念间存在函数 关系f：V→R；

S222、分析样本点的邻接关系权重ω；

S223、分析每一个样本点p-Laplacian信息。

5.根据权利要求4所述的一种人脸编码及识别方法，其特征在于，所述步 骤S223包括：

S2231、分析每个样本点v的加权梯度其中u～v表示 样本点u是点v的邻接点；

S2232、分析每个样本点v的P-Laplacian信息。