[发明专利]基于局部敏感的核稀疏表示的人脸识别方法

摘要

本发明公开了一种基于局部敏感的核稀疏表示的人脸识别方法。实现步骤为(1)对人脸图像样本进行预处理；(2)将预处理后的样本数据映射到核特征空间；(3)在核特征空间中利用样本数据的局部性信息计算相异性度量矢量；(4)求解含有相异性度量矢量的L‑1范数最小化问题，得到样本重构的系数矢量；(5)利用获得的样本重构的系数矢量重构出一个新样本，然后计算出这个重构的新样本与测试样本的残差；(6)取残差为最小值所对应样本的类别号作为测试样本的类别号。本发明计算比较简单，可有效提高人脸识别应用中的精度，可用于身份验证、视频监控、人机交互等领域。

主权项

一种基于局部敏感的核稀疏表示的人脸识别方法，其特征在于，按如下步骤：步骤1：对人脸图像样本进行预处理；步骤2：将预处理后的样本数据映射到核特征空间；步骤3：在核特征空间中利用样本数据的局部性信息计算相异性度量矢量；步骤4：求解含有相异性度量矢量的L‑1范数最小化问题，得到样本重构的系数矢量；步骤5：利用获得的样本重构的系数矢量重构出一个新样本，然后计算出这个重构的新样本与测试样本的残差；步骤6：取残差为最小值所对应样本的类别号作为测试样本的类别号；其中，(1)对人脸图像样本的预处理，包括：对得到的每一幅人脸图像进行亚采样处理；为了进一步降低图像特征维度，采用主成分分析方法进行图像特征的降维，并将降维之后的人脸图像的每个像素值归一化到方差为1和均值为0；(2)将预处理后的样本数据映射到核特征空间，包括：利用非线性映射核函数φ，将预处理后的样本数据x∈Rd，包括训练样本和测试样本，映射到一个潜在的核特征空间；在核特征空间中样本数据x变为φ(x)；采用的非线性映射核函数φ为径向基核函数，其形式为：k(xi,xj)＝exp(‑|xi‑xj|2/2σ2)  (式1)其中k(xi,xj)为核映射结果，σ为径向基核函数的参数；(3)在核特征空间中利用样本数据的局部性信息计算相异性度量矢量，包括：在核特征空间中，对于相异性度量矢量p的计算，采用核欧式距离的指数形式函数：其中dk(xi,xj)是核欧式距离；在核特征空间中，核欧式距离dk(xi,xj)被定义为：由于指数型局部算子pij是随着核欧式距离dκ(xi,xj)的增长而呈指数增长，因此，当两个样本xi和xj相距较远时，将产生一个较大的pij；(4)求解含有相异性度量矢量的L‑1范数最小化问题，得到样本重构的系数矢量，包括：(4‑1)在核特征空间中，测试样本φ(x)可以通过所有训练样本表示为：φ(x)＝μα+ε  (式4)其中α为系数矢量，ε是误差，μ＝[μ1,μ2,L,μn]＝[φ(x1),φ(x2),L,φ(xn)]表示在核特征空间中的所有训练样本；(4‑2)为了获得样本重构的系数矢量α，求解下面含有相异性度量矢量的L‑1范数最小化问题：式中λ是正则化参数，符号表示矢量对应元素相乘；p∈Rn×1可称为局部算子，用来度量测试样本φ(x)和μ＝[μ1,μ2,L,μn]＝[φ(x1),φ(x2),L,φ(xn)]各列之间的核欧式距离，即用于测量测试样本和每个训练样本在核特征空间之间的欧式距离；因此，p是一个相异性度量矢量，用来惩罚相应的系数矢量α，故可称为系数矢量α的权重矢量；求解最小化问题式(5)的封闭形式的解析解，就得到了样本重构的系数矢量α；(5)利用获得的样本重构的系数矢量重构出一个新样本，然后计算出这个重构的新样本与测试样本的残差，包括：利用式(5)求解到的样本重构的系数矢量α，对每一类j的测试样本x，其中j＝1,2,L,c，先重构出一个新样本，然后计算出这个重构的新样本与测试样本的残差，即(6)取残差为最小值所对应样本的类别号作为测试样本的类别号，包括：根据计算出的残差结果，取残差为最小值所对应样本的类别号作为测试样本x的类别号y，即