[发明专利]基于稀疏误差矩阵的人脸识别方法

摘要

本发明公开了一种基于稀疏误差矩阵的人脸识别方法，属于模板识别技术领域。本发明基于PCA的低秩分解，得到表示去噪后的原图像的低秩矩阵和表示噪声的稀疏矩阵。根据得到的低秩矩阵和原样本矩阵的映射关系，得到一个低秩映射矩阵，从而根据这种低秩映射关系，得到测试样本与每一类数据样本之间的稀疏误差矩阵；再基于稀疏误差矩阵得到待匹配图像与每类测试样本的平滑度分析和边缘检测结果，结合平滑度分析和边缘检测结果进行融合判决，即取两者的加权和最小的类作为当前待匹配图像的匹配结果。本发明用于强光照、有遮挡等人脸特征类内变化比较大的复杂场景下的人脸识别，其识别的鲁棒性好，准确度高。

主权项

基于稀疏误差矩阵的人脸识别方法，其特征在于，包括下列步骤：步骤1：对训练样本进行尺寸归一化处理后，进行训练样本分类，得到训练样本类别数K、每类的样本数目N，将每个训练样本的图像数据用列向量表示，得到每类训练样本的矢量矩阵D_i＝[V_i,1,V_i,2...,V_i,N]，其中下标“i”为类别标识符，V_i,n表示第i类的第n个样本的列向量，其中n＝1,2,…,N；步骤2：每类训练样本的矢量矩阵D_i进行PCA低秩分解，得到低秩矩阵A_i和稀疏矩阵E_i，并根据A_i＝P_iD_i得到每类训练样本的低秩映射矩阵P_i；步骤3：采用与训练样本相同的尺寸归一化处理方式，对待匹配图像进行尺寸归一化处理，并将待匹配图像的图像数据表示为列向量X；根据e_i＝X‑P_iX得到待匹配图像与每类训练样本之间的稀疏误差矩阵e_i；步骤4：根据得到测试样本X与每类训练样本的平滑度分析值D_s(e_i)，其中为测试样本X与稀疏误差矩阵e_i在水平方向x上的梯度值，为测试样本与稀疏误差矩阵e_i在竖直方向y上的梯度值；步骤5：对每类的稀疏误差矩阵e_i进行边缘化二值化检测，求取每类的边缘线长度D_e(e_i)；步骤6：对每类的平滑度分析值D_s(e_i)和边缘线长度D_e(e_i)进行加权求和得到取最小的类作为测试样本X的匹配结果。