[发明专利]利用稀疏表示进行人脸识别的集成方法

摘要

本发明公开了一种利用稀疏表示进行人脸识别的集成方法，主要解决现有K-SVD字典学习方法识别稳定性低的问题。其实现步骤是：利用旋转森林算法生成旋转矩阵，通过旋转矩阵把同一人脸样本数据随机投影到不同的坐标系中，投影后的人脸样本数据比原数据更易于判别；利用稀疏表示分类方法对投影后的人脸样本数据进行识别；对投影后人脸样本的识别结果进行投票选择，得到原人脸样本的识别结果。本发明较现有的基于稀疏表示分类方法，在识别正确率和稳定性方面都有提高，可用于安全验证系统。

主权项

1.一种利用稀疏表示进行人脸识别的集成方法，包括如下步骤：(1)将所有人脸样本图像分别变换成一个向量，对所有向量进行归一化和随机降维处理，将处理后的向量随机分为测试样本集和训练样本集，定义测试样本集为y，训练样本集为A，其中A＝{A¹，A²，KA^N}，N表示训练样本集的类别数，Aⁱ，i＝1，2，K，N表示第i类的训练样本；(2)由旋转森林算法产生K个旋转矩阵，通过旋转矩阵将训练样本集A＝{A¹，A²，KA^N}和测试样本集y映射为K组新的训练样本集j＝1，2，K，K和测试样本集y_j，j＝1，2，K，K，其中i＝1，2，K，N表示第i类训练样本通过第j个旋转矩阵投影所得到的新的训练样本，y_j表示测试样本集通过第j个旋转矩阵投影所得到的新的测试样本集；(3)利用K-SVD算法对新的训练样本集进行学习，得到K组相对应的字典集j＝1，2，K，K；(4)将新的测试样本集y_j在字典集中的每个字典i＝1，2，K，N上进行稀疏分解，求得分解系数为：其中为稀疏分解过程中的中间系数变量；(5)计算新的测试样本集y_j在每个字典上的重构误差定义K组字典上的重构误差为：j＝1，2，K，K；(6)计算新的测试样本集y_j在K组字典集上的K个识别结果为：{p₁，p₂，K，p_K}，其中i＝1，2，K，N，j＝1，2，K，K，对{p₁，p₂，K，p_K}进行投票选择，得到原始测试样本集y的识别结果为