[发明专利]一种基于稀疏表示的人脸识别方法

权利要求书

1.一种基于稀疏表示的人脸识别方法，其特征在于：包括以下步骤：

步骤一：先输入训练样本矩阵，将训练样本矩阵中的所有训练样本与所有的对象类别级联起来，再输入一个测试样本；

步骤二：将训练样本矩阵中的每个训练样本分别与测试样本进行校准，得到校准训练样本矩阵；

其中，训练样本与测试样本进行图像校准，包括以下步骤：

步骤(1)：输入训练样本图像与测试样本图像；

步骤(2)：将训练样本图像与测试样本图像分别以金字塔模型分成四个单元格，并将每个单元格分成四个较小的单元格，直到达到预设的金字塔层数才终止；

步骤(3)：将训练样本图像与测试样本图像中的每个单元格分别定义成一个节点；

步骤(4)：通过能量函数分别计算训练样本图像中每个节点的最佳流动矢量、以及测试样本图像中每个节点的最佳流动矢量，并根据最佳流动矢量，将训练样本图像中的节点测试样本图像中的节点进行匹配；

步骤(5)：计算训练样本图像与测试样本图像中每个节点的数据项，并根据数据项计算训练样本图像与测试样本图像之间相匹配的每对节点的局部像素SIFT特征之间的平均差异度；

步骤(6)：通过平滑度项规范能量函数；

步骤(7)：完成训练样本图像与测试样本图像的校准；

步骤三：将步骤二得到的校准训练样本矩阵进行标准化；

步骤四：计算步骤三得到的标准化后的校准训练样本矩阵中的每个训练样本与对应的标准图之间的误差，得到误差最小值；

其中，标准化后的校准训练样本矩阵中的每个训练样本与对应的标准图之间的误差的计算公式表示为：其中，x为稀疏系数向量，e为因为损坏像素而导致的稀疏误差；

其中，计算误差时的约束条件表示为：Y＝Bx+e，其中Y为测试样本，B为校准训练样本矩阵，x为稀疏系数向量，e为因为损坏像素而导致的稀疏误差；

步骤五：计算测试样本与对应的标准图之间的剩余误差；

其中，测试样本与对应的标准图之间的剩余误差计算公式表示为：

其中为新的矢量，Y为测试样本，B为校准训练样本矩阵，x为稀疏系数向量，e为因为损坏像素而导致的稀疏误差；

步骤六：根据步骤五得到的剩余误差为所有的对象类别设置身份；

步骤七：输出步骤四得到的误差最小值对应的训练样本所对应的对象类别作为测试样本的对象类别。

2.根据权利要求1所述的一种基于稀疏表示的人脸识别方法，其特征在于：在步骤二中，测试样本通过通用转换公式对训练样本进行校准，其中通用转换公式为：F＝τ_k,n∈τ，

其中，F代表人脸图像中所有像素流矢量的集合，τ为作用于图像域的通用变换集，则τ_k,n表示作用在第k个人的第n张人脸图像上的某个特定图像域变换。

3.根据权利要求1所述的一种基于稀疏表示的人脸识别方法，其特征在于：在步骤(4)中，能量函数具体表示如下：

其中：F_i＝(x_i,y_i)为节点的流矢量，x_i与y_i分别为在水平与垂直上的流动分量，D_i(·)为节点v_i的数据量，S_ij(·，·)为所连接节点v_i与节点v_j之间的平滑量，α为转向参数。

4.根据权利要求1所述的一种基于稀疏表示的人脸识别方法，其特征在于：在步骤(5)中，数据项的计算公式具体为：

其中：|n_i|是与节点v_i相关的单元格内所包含的像素的总数，p为提取出局部SIFT特征描述符的节点vi中的像素坐标，d₁(.)为训练样本图像中位置p和p+F_i所提取的描述符，d₂(.)为测试样本图像中位置p和p+F_i所提取的描述符，λ为正的匹配阈值。

5.根据权利要求2所述的一种基于稀疏表示的人脸识别方法，其特征在于：在步骤(6)中，平滑度项的计算公式具体为：

S_ij(F_i,F_j)＝min(||F_i-F_j||₁,γ)，其中：F_i为节点i的流矢量,F_j为节点j的流矢量，γ是匹配离群值的阈值。