[发明专利]基于半监督多视图字典学习的彩色人脸识别方法

说明书

本发明公开了基于半监督多视图字典学习的彩色人脸识别方法，该方法将多视图学习技术应用于半监督彩色人脸图像的字典学习。在训练阶段，该方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；并且该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练，充分利用所有训练样本信息。在分类测试阶段，该方法累计各个彩色分量用对应每一类训练样本的字典去重构测试样本的重构误差，最后将测试样本归为累计重构误差最小的那一类。本发明识别效果更高，通过半监督多视图字典学习，彩色人脸识别能力得到了明显增强。

技术领域

本发明具体涉及基于半监督多视图字典学习的彩色人脸识别方法，属于人脸识别技术领域。

背景技术

(1)标签一致的K奇异值分解2彩色扩展2方法(CE2-LC-KSVD2，施静兰、常侃、张智勇、覃团发，“适用于彩色图像人脸识别的字典学习算法”，电讯技术，56(4)：365-371，

2016)：

对一个彩色人脸图像训练样本集X，令n表示所有彩色人脸图像训练样本的个数，c表示所有彩色人脸图像训练样本的类别个数，X_R∈R^d×n、X_G∈R^d×n、X_B∈R^d×n分别表示R、G、B三个彩色分量样本集，d表示彩色分量样本维数。CE2-LC-KSVD2方法的目标函数为

其中，X′＝(I+γ/d·E)[X_R；X_G；X_B]，D′＝(I+γ/d·E)[D_R；D_G；D_B]，D_i∈R^d×K(i＝R,G,B)是对应X_i的字典，K是字典原子个数，A∈R^K×n是用D′重构X′的稀疏表示系数，Q∈R^K×n是用D′重构X′的具有区分性的稀疏表示系数，V∈R^K×K是线性变换矩阵，H∈R^c×n是X′的类别标签，W∈R^c×K是分类器参数，a_j∈Rⁿ(j＝1,2,…,n)是A中的第j列，T是稀疏度，α,β,γ是权重参数，I∈R^3d×3d是单位矩阵，E_d∈R^d×d是一个元素值全为1的方阵。

(2)标签一致的K奇异值分解2彩色扩展2方法的不足、改进点：

虽然CE2-LC-KSVD2方法通过修正稀疏编码阶段正交匹配追踪算法的内积计算准则来利用各个色彩通道之间的相关性，但这种修正只是强制选择的字典原子考虑平均色，没有充分利用彩色图像的色彩信息。此外，CE2-LC-KSVD2方法是有监督字典学习方法，在训练阶段只能使用有类别标记的彩色人脸图像样本，不能充分利用数量众多的无类别标记的彩色人脸图像样本。

基于半监督多视图字典学习的彩色人脸识别方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；在字典学习过程中，基于半监督多视图字典学习的彩色人脸识别方法使用无类别标记的彩色人脸图像样本参与训练，充分利用所有样本信息。

发明内容

基于半监督多视图字典学习的彩色人脸识别方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；并且，该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练，充分利用所有训练样本信息。与CE2-LC-KSVD2方法相比，可以有效提高识别效果。