[发明专利]基于Gabor特征与字典学习的人脸姿态识别方法

摘要

本发明公开一种基于Gabor特征与字典学习的人脸姿态识别方法，包括下述步骤：首先，将人脸姿态离散化为不同的子空间，使用K‑SVD为每个子空间训练一个子字典使其对应一个类别；然后，将所有子字典组合成超完备字典；最后，采用基于gabor特征与稀疏表示的方法进行姿态分类。为了提高算法的鲁棒性，本发明重构一个遮挡人脸字典，解决人脸姿态识别中人脸遮挡问题。本发明能够解决人脸姿态估计中的光照、噪声和遮挡等问题，快速鲁棒性地识别出正脸、抬头、点头、左偏转、左侧脸、右偏转和右侧脸。可以较好地应用于安全驾驶、人机交互和人脸识别等领域。

主权项

1.一种基于Gabor特征与字典学习的人脸姿态识别方法，其特征在于，包括下列步骤：对在线输入的待识别人脸姿态图像进行Gabor特征提取，构建Gabor特征向量y；对所述Gabor特征向量y使用姿态完备字典进行线性组合表示，建立稀疏表示模型并求解系数向量，其中Gabor特征向量m为Gabor特征向量维数；根据上述求解的线性组合的系数向量进行人脸姿态分类识别；对所述Gabor特征向量y使用姿态完备字典进行线性组合表示之前，还包括所述姿态完备字典的训练步骤，其中所述姿态完备字典包括对应无遮挡的人脸姿态的第一姿态完备字典D和对应有遮挡的人脸姿态第二姿态完备字典D_e，所述第一姿态完备字典D和所述第二姿态完备字典D_e的训练分别独立完成；其中，所述在线输入的待识别人脸姿态图像为有遮挡的人脸姿态图像时，提取所述待识别人脸姿态图像的Gabor特征向量m为Gabor特征向量维数，将y看成由所述的第一姿态完备字典和第二姿态完备字典共同线性组合表示：其中无遮挡图像y₀与遮挡误差图像e₀分别可由第一姿态完备字典D和第二姿态完备字典稀疏表示，D_e为正交单位矩阵，所述稀疏表示模型即为所述稀疏表示模型将有遮挡的人脸姿态图像识别问题转化成如下的优化问题：(l¹):ω＝argmin||ω||₁s.t.Bω＝y，该问题通过标准的线性规范方法进行求解。