[发明专利]一种基于类间类内面部变化字典的单样本人脸识别方法

摘要

本发明提出一种基于类间类内面部变化字典的单样本人脸识别方法，解决目前单样本人脸识别算法的局限性的问题。步骤1获得人脸图像在压缩域的图像表达；步骤2构建包含k个类的人脸图像训练样本矩阵；步骤3构建人脸数据库的平均脸矩阵和类间人脸变化矩阵；步骤4对类间人脸变化矩阵加入低秩和稀疏约束；步骤5求解类间相似矩阵和类间差异矩阵；步骤6将平均脸矩阵、类间相似矩阵和类间差异矩阵投影至低维度空间；步骤7将降维后的平均脸矩阵、类间相似矩阵和类间差异矩阵采用归一化方法进行归一化处理，并采用范数优化算法迭代求解出基于人脸图像训练样本矩阵的稀疏系数矢量；步骤8选择与稀疏系数最大值相对应的平均脸矩阵中的列矢量人脸标签，作为最终人脸识别的结果。

主权项

一种基于类间类内面部变化字典的单样本人脸识别方法，其特征在于，包括以下步骤：步骤1：将数据库中的人脸图像利用随机投机矩阵进行投影映射，获得人脸图像在压缩域的图像表达；步骤2：构建包含k个类的人脸图像训练样本矩阵；步骤3：构建人脸数据库的平均脸矩阵和类间人脸变化矩阵，平均脸矩阵中的每一列表示第i个人脸训练图像的平均脸；其中，类间人脸变化矩阵V具体为：V=[dn11-P1,dn12-P1,....,dni1-Pi,dni2-Pi,...,dnk1-Pk,dnk2-Pk,...]]]>其中，为压缩域人脸图像的列矢量表示，ni为每一类人脸的训练样本个数，Pi为平均脸矩阵中的每一列，j＝1,2，i＝1,2,...,k；步骤4：对类间人脸变化矩阵加入低秩和稀疏约束；步骤5：采用增广拉格朗日字典训练算法对类间人脸变化矩阵进一步进行分解，求解出类间相似矩阵和类间差异矩阵；步骤6：采用PCA降维算法将平均脸矩阵、类间相似矩阵和类间差异矩阵投影至低维度空间；步骤7：将降维后的平均脸矩阵P、类间相似矩阵E和类间差异矩阵G采用归一化方法进行归一化处理，并采用范数优化算法迭代求解出基于人脸图像训练样本矩阵的稀疏系数矢量c＝[α β γ]；步骤8：选择与稀疏系数α最大值相对应的平均脸矩阵P中的列矢量人脸标签，作为最终人脸识别的结果。