[发明专利]一种基于SRC的二次人脸识别方法

摘要

本发明公开了一种基于SRC的二次人脸识别方法，它利用SRC算法对人脸图像先进行第一次识别。通过分析识别结果的差异，判断是否需要进行二次识别。如果进行二次识别，利用Harris角点检测法和Gabor滤波器截取人脸细节特征，如眼睛、鼻子、嘴巴等特征，并组成新的人脸样本库。最后再次利用SRC算法对新的人脸样本库进行二次识别。本发明通过线性判别分析法对样本集进行降维，减小算法时间复杂度；然后又利用自商图算法，减小了光照变化对识别过程的影响；同时，结合Harris角点检测和Gabor滤波器，充分提取了人脸细节，减小了拍摄姿势、表情变化带来的影响，利用二次识别很好地提高了算法的精度。

主权项

一种基于SRC的二次人脸识别方法，其特征在于，该方法具体包括如下步骤：步骤一、将所有人脸样本图像组成训练样本集A＝[A₁,A₂,…,A_k]，其中A₁表示第1个人的所有样本人脸，A₂表示第2个人的所有样本人脸，A_k表示第k个人的所有样本人脸，k表示人脸样本人数总量；然后用线性判别分析法对训练样本集A进行降维处理得到新的样本集D，减小算法时间复杂度；再对测试图y进行稀疏表示，即：y＝D·x      (1)其中x表示测试图的稀疏解；通过L1范数最小化求解式(1)，得到稀疏解为$\hat{x}=\min {\left|\right|x\left|\right|}_1;$步骤二、对稀疏解进行残差计算，即：γ_i＝||y‑D·δ_i(x)||₂      (2)其中γ_i表示第i类人的残差值，δ_i(x)表示第i类人的稀疏解；然后将γ_i与残差阈值T进行比较：如果γ_i大于T，不进行二次识别，并输出识别结果Identity(y)＝min(γ_i)，从而确定测试图类型；如果γ_i小于T，进行二次识别；步骤三、若需要进行二次识别，则提取第一次识别中残差较小的前5个人，然后利用自商图对这5个人脸样本进行消光照，并结合Harris角点检测和Gabor滤波器提取样本细节特征，细节特征为包括人眼、鼻子和嘴巴；最后将这5个人脸细节组成新的人脸样本库A'＝[A'₁,A'₂,…A'₅]，其中A'₁表示第1个人的所有细节图，A'₂表示第2个人的所有细节图，A'₅表示第5个人的所有细节图；由于Gabor点和Harris特征点个数不确定，导致人脸细节图数量不确定，即该5个人的细节图数量可能是不相同的；对测试图y进行人脸细节特征提取，得到新的测试图库y'＝[y′₁,y'₂,…y'_p]，其中y′₁表示测试图的第1张细节图，y'₂表示测试图的第2张细节图，y'_p表示测试图的第p张细节图，p表示测试图的细节图数量；步骤四、求解测试图y'的稀疏解x'：y'＝A'·x'并进行残差计算并通过最小残差确定测试图类型。