[发明专利]一种基于共同向量词典的稀疏表示分类方法有效
申请号: | 201410619206.2 | 申请日: | 2014-11-05 |
公开(公告)号: | CN105574475B | 公开(公告)日: | 2019-10-22 |
发明(设计)人: | 文颖;张洪达;侯丽丽 | 申请(专利权)人: | 华东师范大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/66 |
代理公司: | 上海麦其知识产权代理事务所(普通合伙) 31257 | 代理人: | 董红曼 |
地址: | 200062 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出了一种基于共同向量的稀疏表示分类方法。本发明先通过每一类训练样本的差分子空间作Gram‑Schmidt正交变换得到每一类的共同向量;随后将所有共同向量构成的字典作为稀疏表示分类器的字典,通过最小化l1范数,求出测试样本在字典上的稀疏系数;以及使用每一个类别对应的稀疏系数与该类的训练样本获得估计的测试样本,将所述估计的测试样本与所述采集的测试样本对比,将相似度最高的类别作为分类结果。本发明的核心思想是使用训练样本中每类的共同向量组成字典取代原稀疏表示分类器的使用全部训练样本组成的字典,显著地提高小样本情况下的人脸识别方法的正确率。 | ||
搜索关键词: | 一种 基于 共同 词典 稀疏 表示 分类 方法 | ||
【主权项】:
1.一种基于共同向量词典的稀疏表示分类方法,其特征在于,所述方法用于人脸识别,包括以下步骤:步骤一:分别对训练样本集的人脸图像和采集的测试样本的人脸图像进行预处理;所述人脸图像为从人脸数据库中获得的多个类别的人脸图像;所述预处理包括将人脸图像分割、校正以及变换为一维向量;其中,将前述变换后的训练样本集表示为A=[A1,A2,…,Ac]∈Rm×n,c表示样本类别数,R表示实数空间,m表示图像大小,n表示训练样本集的样本总数,其中第i类的训练样本集
ni为第i类的训练样本数,将前述变换后的测试样本表示为y;步骤二:对预处理后的训练样本中的每一类的差分子空间作Gram‑Schmidt正交变换得到每一类的共同向量,包括以下步骤:根据预处理后的训练样本集A,对其中第i类训练样本的列向量张成一个差分子空间Bi,如公式(1)所示
其中,bi,k=vi,k+1‑vi,1,k=1,2,…,ni‑1,这里vi,1是一个参考向量,是从第i类样本中随机抽取的;对Bi进行Gram‑Schmidt正交变换,得到正交向量集
在本类中随机选取一个样本vi,k,投影到正交向量zi,k(k=1,2,…,ni‑1),则获得投影后的向量si
则第i类的共同向量为
步骤三:将步骤二得到的各类的共同向量组成字典矩阵;设新组成的字典矩阵为D=[D1,D2,…,Dc]∈Rc×p,其中
步骤四:使用步骤三得到的字典作为稀疏表示分类器的字典,通过最小化l1范数,求出预处理后的测试样本在字典上的稀疏系数;步骤四中,将步骤一得到的预处理后的测试样本y和步骤三得到的共同向量字典D代入以下公式,求解l1范数最小化问题,获得所述预处理后的测试样本在字典上的稀疏系数:
约束条件:Dα=y. (5)其中α表示稀疏系数;步骤四中通过正交匹配追踪算法求解上述问题得出稀疏系数,所述算法在每一步迭代过程中选择和当前迭代残差最相关的样本,然后更新样本空间,通过最小二乘问题,在新的样本空间中寻求残差最小,从而更新稀疏系数估计值和残差,由此循环迭代直到满足约束条件,所述循环迭代包括以下步骤:令迭代次数为T,索引为I;步骤4a:初始化:残差r0=y,迭代次数t=1,D0为空矩阵;步骤4b:在D中选出与残差相关性最大的列:
步骤4c:更新已选列空间:
步骤4d:通过解决一个最小二乘问题,保证残差最小,获得在已选列向量上的最优投影,更新已选各列的稀疏系数估计值![]()
步骤4e:更新残差:
步骤4f:t=t+1;如果t<T,回到步骤4b,否则停止迭代;步骤4g:输出近似稀疏系数
步骤五:使用每一个类别对应的稀疏系数与该类的训练样本获得估计的测试样本,将所述估计的测试样本与所述采集的测试样本对比,将相似度最高的类别作为分类结果;步骤五中进一步包括:步骤5a:通过第i类测试样本对应的稀疏系数
和字典D估计测试样本,来获得第i类的估计的测试样本;步骤5b:获得第i类的估计的测试样本与所述采集的测试样本之间的残差![]()
其中i=1,…,c;步骤5c:将所述残差中的最小值对应的类别即相似度最高的类别作为分类结果,即,identity(y)=argminri(y)。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东师范大学,未经华东师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410619206.2/,转载请声明来源钻瓜专利网。
- 上一篇:一种大田烟叶生长状况监控方法
- 下一篇:面阵指纹传感器