[发明专利]一种基于非负表征样本的协同表示人脸识别方法

权利要求书

1.一种基于非负表征样本的协同表示人脸识别方法，其特征在于，所述方法包括：

步骤1，获取测试人脸图像和C个类别N个人脸图像样本的训练人脸样本集；

步骤2，对训练人脸样本集中的人脸图像样本进行归一化处理；

步骤3，通过协同测试表示所述测试人脸图像，获取所述测试人脸图像对应的协同表示系数；

步骤4，使用ReLU函数对所述测试人脸图像对应的协同表示系数进行映射；

步骤5，对步骤4映射后的所述测试人脸图像对应的协同表示系数进行二阶协同表示，获取二阶协同表示后的测试人脸图像；

步骤6，根据所述二阶协同表示后的测试人脸图像、训练人脸样本集，基于最近邻子空间分类函数进行人脸识别，识别出测试人脸图像对应的类别。

2.根据权利要求1所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤1中，训练人脸样本集X表示为：

其中，X_i为训练集中来自第i个类的图像样本，i∈[1,C]；M代表人脸图像的像素数量，N代表训练人脸图像样本总数量，C代表训练人脸图像样本的已标记类别的数量。

3.根据权利要求2所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤2，还包括：

对训练人脸样本集X进行归一化：

其中，X_ij代表第i个训练人脸图像样本X_i的第j个元素，代表第i个训练人脸图像样本的第j个元素，代表X的矩阵二范数。

4.根据权利要求3所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤3，还包括通过解以下公式(3)的优化函数获得所述测试人脸图像对应的协同表示系数

其中，协同表示系数由以下公式(4)得到闭式解：

其中，λ代表惩罚系数，I为单位矩阵，是由元素组成的矩阵，是经过公式(3)基于α的优化后的最优协同表示系数向量。

5.根据权利要求4所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤4，还包括使用ReLU函数对测试人脸图像的协同表示系数进行映射：

其中，

6.根据权利要求5所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤5，还包括基于映射后的测试人脸图像的协同表示系数二阶协同表示，获取二阶协同表示后的测试人脸图像为：

其中，表示二阶协同表示系数向量中的第i个元素，X_i表示矩阵X中的第i列向量。

7.根据权利要求6所述的基于非负表征样本的协同表示人脸识别方法，其特征在于，所述步骤6中，基于公式(7)所示的最近邻子空间分类函数进行人脸识别：

其中，l(·)代表预测函数，k(1≤k≤C)为类别索引，‖·‖₂代表二范数，为

中第k个类别对应的样本向量所组成的矩阵，为二阶协同表示系数，函数用于生成中第k类的样本所对应的系数向量，为中第k类中的第i个系数。

8.一种电子装置，所述电子装置包括：一个或多个处理器，存储器，所述存储器用于存储一个或多个计算机程序；其特征在于，所述计算机程序被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的基于非负表征样本的协同表示人脸识别方法步骤。

9.一种存储介质，所述存储介质存储有计算机程序；所述程序由处理器加载并执行以实现如权利要求1-7任一项所述的基于非负表征样本的协同表示人脸识别方法步骤。