[发明专利]一种基于协同表示非线性融合巴氏系数的人脸识别方法

权利要求书

1.一种基于协同表示非线性融合巴氏系数的人脸识别方法，其特征在于，该方法包括以下步骤：

步骤1：通过增强原始图像的中等强度的像素的强度，降低其它像素的强度，生成虚拟样本，然后通过加强原始图像较低等和较高等强度的像素，并降低其他像素，生成了新的虚拟样本，选取部分原始图像作为原始训练样本，其余原始图像作为测试样本；虚拟样本的图像表示为J_ij＝I_ij*(m-I_ij)，其中，I_ij表示原始图像第i行和第j列的像素值，J_ij表示虚拟样本图像第i行和第j列的像素值，新的虚拟样本的图像表示为：

其中，I_ij表示原始图像第i行和第j列的像素值，J_ij表示虚拟样本图像第i行和第j列的像素值；

步骤2：通过协同表示算法，用虚拟训练样本、新的虚拟训练样本和原始训练样本分别线性表示虚拟测试样本，新的虚拟测试样本和原始测试样本；

步骤3：计算虚拟测试样本、新的虚拟测试样本、原始测试样本与虚拟训练样本、新的虚拟训练样本、原始训练样本之间的巴氏系数相似度；

步骤4：将步骤3计算得到的巴氏系数相似度与欧式距离非线性融合；

步骤5：根据步骤4的计算结果确定对虚拟测试样本、新的虚拟测试样本和原始测试样本进行分类，对所有得到的残差按类进行融合，根据融合后的残差进行判别，残差值最小的判别类别为原始测试样本、虚拟测试样本和新的虚拟测试样本所属类别。

2.根据权利要求1所述的一种基于协同表示非线性融合巴氏系数的人脸识别方法，其特征在于，步骤2具体包括：

步骤201：将图像矩阵变成列向量，表示测试样本Z向量形式，表示原始训练样本x_i的向量形式，且满足公式(1)

其中，a_i表示系数；

如果以A＝[a₁,···,a_N]，则公式(1)可以写成公式(2)

步骤202：通过计算得到A，其中λ表示一个正整数(λ＝0.01)，I为一个单位矩阵，通过公式(3)计算类训练样本与测试样本的相似度，即表示残差：

其中，d_k为每一类训练样本与测试样本的表示残差，为测试样本Z向量形式，表示原始训练样本x_i的向量形式；

步骤203：将虚拟训练样本X₁'进行协同表示算法，线性表示出虚拟测试样本并通过公式(4)计算表示残差，

其中，d_l为每一类虚拟训练样本与虚拟测试样本的表示残差，为虚拟测试样本向量形式，表示虚拟训练样本的向量形式，为虚拟训练样本线性表示虚拟测试样本的表示系数；

步骤204：将新的虚拟训练样本X₂'进行协同表示算法，线性表示出新的虚拟测试样本并通过公式(5)计算表示残差，

其中，d_q为每一类新的虚拟训练样本与新的虚拟测试样本的表示残差，为虚拟测试样本向量形式，表示虚拟训练样本的向量形式，为新的虚拟训练样本线性表示新的虚拟测试样本的表示系数。