[发明专利]基于稀疏表示的人脸分类算法的远距离考勤方法

摘要

本发明公开了一种基于稀疏表示的人脸分类算法的远距离考勤方法，属于考勤技术领域，解决现有的考勤不能远距离识别的问题，步骤如下(1)采集所有被考勤人员的人脸信息作为训练样本数据集；(2)重新采集被考勤人员的人脸信息作为测试样本，基于稀疏表示的人脸分类算法将测试样本在训练样本集中稀疏表示，得到最稀疏的解；(3)将得到的最稀疏的解，基于ZigBee技术的有源RFID实现远距离人员身份信息识别，采用双基站模型，并利用RSSI定位技术对人员通行的方向进行准确的判别，识别出人员是进入考勤区域还是离开考勤区域。本发明实现远距离实时跟踪和记录人员出入的详细情况。

主权项

一种基于稀疏表示的人脸分类算法的远距离考勤方法，其特征在于，该方法包括如下步骤:(1)采集所有被考勤人员的人脸信息作为训练样本数据集；(2)重新采集被考勤人员的人脸信息作为测试样本，基于稀疏表示的人脸分类算法将测试样本在训练样本集中稀疏表示，稀疏表示是找出线性方程组：Ax＝b最稀疏的解，A是一个m×n的矩阵，是一个向量，x是这个方程组的解，采用一个评估函数J(x)来找到最稀疏的唯一解，定义一个常用的优化问题PJ，PJ：minxJ(x)，使Ax＝b，其中J(x)采用二范数的平方||x||22，得到最稀疏的解；在步骤(2)中，所述基于稀疏表示的人脸分类算法的步骤如下：(21)输入由k类训练样本组成的字典数据集和测试样本测试图像可能会出现部分遮挡或损坏，导致测试样本y的数据有误差存在,此时，测量值ym×1和真实值y0m×1之间有差值e0m×1，即y＝y0+e0＝Ax0+e0，其中e0是任意的，不同测试图像的误差是未知的,如误差e0可表示为矩阵中列向量的线性组合，由于只有部分数据点存在误差，e0对整个样本集来说是稀疏的，e0＝Aeu0，其中u0是稀疏的，则测试样本可表示为：其中由于x0和u0都是稀疏的，所以也是稀疏的,为了便于计算和表达，选取一种特殊情况ne＝m，即e0在自然坐标下是稀疏的,所以，其中是方程组的最稀疏解,在一定的约束条件下，扩展的le0问题仍然可以转化成le1问题求解,当图像损坏程度保持在一定的范围内时，是可以准确的找到我们需要的稀疏解的，需满足条件为：ni+|support(e0)|＜d/3，其中，ni是损坏部分的维度，d是测试样本的维度,即只要遮挡或者误差不超过这个范围，le1求得的稀疏解w1就能恢复w0,通过求解扩展的le1问题来恢复稀疏解w0，其中求得稀疏解w1,从而得到e1，利用y0＝y‑e1，得到y0为还原失真数据后的测试样本,只要能够正确的求解最稀疏解w1，则算法仍然能够较好的处理这些存在遮挡以及损坏的失真样本；(22)用单位二范数规范化字典Α的所有列；(23)求解l1最小化问题，x1：min‖x‖1st.‖Ax‑y‖2≤ε，ε为给定的可容忍的噪音项的二范数常量；(24)计算残差for i＝1:k；ri(y)＝‖y‑Aδi(x1)‖2，其中截断函数δi(x1)用以保留x1中与第i类对应的系数，其余位置都置为0，对于有部分遮挡或损坏的失真样本，修改分类算法中残差ri(y)表达式：(25)输出测试样本y的类别ID，即测试样本y属于字典中的第i类；(3)将得到的最稀疏的解，基于ZigBee技术的有源RFID实现远距离人员身份信息识别，采用双基站模型，并利用RSSI定位技术对人员通行的方向进行准确的判别，识别出人员是进入考勤区域还是离开考勤区域。