[发明专利]一种协作稀疏表示自适应的快速人脸识别方法

摘要

本发明涉及一种协作稀疏表示自适应的快速人脸识别方法，包括不违反稀疏表示定义基本假设的局部稀疏表示分类器系统，如下：读入训练样本和测试样本的图像；对训练样本和测试样本进行初始化，使用双线性内插值将训练样本和测试样本缩放成固定尺寸的图像并整合成列向量并进行归一化处理；利用核诱导找出与测试样本最邻近的N^*个训练样本，N^*为最佳预测值；从N^*个训练样本中挑出与测试样本相关的训练样本类来组成完备基；采用l₂范数协作性求解稀疏系数并通过残差预测所述测试样本的类别。还包括能根据不同的训练样本库寻找到所述最佳预测值N^*的系统。本发明解决了平衡识别率和计算速率的问题，同时使得整个识别系统能针对不同的训练库自动寻找一个合适的N值。

主权项

1.一种协作稀疏表示自适应的快速人脸识别方法，其特征在于包括以下步骤：步骤S1：设计一个不违反稀疏表示定义基本假设的局部稀疏表示分类器系统，记为第一系统，包括以下步骤：步骤S11：读入训练样本和测试样本的图像；步骤S12：对所述训练样本和测试样本进行初始化，使用双线性内插值将所述训练样本和测试样本缩放成固定尺寸的图像并整合成列向量，对所述列向量进行归一化处理；步骤S13：利用核诱导找出与所述测试样本最邻近的N*个训练样本，其中N*为最佳预测值，由第二系统求得；步骤S14：从N个训练样本中挑出与所述测试样本相关的训练样本类来组成完备基；步骤S15：采用l2范数协作性求解稀疏系数并通过残差预测所述测试样本的类别；步骤S2：在步骤S1的基础上设计一个能根据不同的训练样本库寻找到所述最佳预测值N*的系统，记为第二系统，包括以下步骤：步骤S21：从第一系统的训练样本的集合中轮流选出一个训练样本作为第二系统的测试样本，剩余的训练样本作为第二系统的训练样本；步骤S22：设定若干N值为自变量，得到一个以N值为自变量的残差曲线函数，其中N为正整数；所述残差曲线函数具体如下：其中，W为所选的最邻近训练样本的个数，H为M个测试样本中被正确归类的个数，eqh,p为被正确归类的第qh个测试样本的第p个训练样本对于测试样本的残差；步骤S23：以所述残差曲线函数的最大突变处对应的N值作为最佳预测值N*；所述最佳预测值N*具体如下：其中，ΔN表示所设定的N值的间隔距离，Nmin表示N取的最小值，Nmax表示N取的最大值，则[Nmin,Nmax]表示N的取值范围。