[发明专利]基于半监督子块联合回归的单样本人脸识别方法

摘要

本发明公开了基于半监督子块联合回归的单样本人脸识别方法，该方法首先将人脸划分为多个子块；然后提出基于半监督的子块联合回归模型以充分利用有标签和无标签的人脸图像学习人脸图像的各种变化信息，并加入无标签人脸图像在类别标签坐标空间中距各类等距的约束以避免无标签数据影响模型的鉴别性，利用非严格的增广拉格朗日乘法求解模型以获得每个子块所对应的映射矩阵；在此基础上通过映射矩阵实现对测试图像块的回归分类；最后对所有测试图像块进行投票最终确定分类结果。本发明单样本人脸识别方法对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高。

主权项

1.基于半监督子块联合回归的单样本人脸识别方法，其特征在于，包括如下步骤：步骤1，用大小相等的正方形窗口对所有类的训练人脸图像和测试人脸图像进行分块，正方形窗口滑过图像的每个像素点，在图像的每一个像素点处得到对应的一个正方形块，第k个类的训练人脸图像像素i处的正方形块所对应的向量表示为K表示训练人脸图像的总个数或总类别数；步骤2，利用所有类的训练人脸图像像素i处对应的正方形块构建块训练样本集其所对应的类别标签矩阵为Y∈R^K×K；利用所有测试人脸图像像素i处对应的正方形块构建块测试样本集Zⁱ，设其所对应的类别标签矩阵为N表示测试人脸图像的总个数；设定块训练样本集Xⁱ和块测试样本集Zⁱ到其类别标签矩阵Y和Y_unlabeled的映射矩阵为W_i，联合所有像素i处对应的块训练样本集和块测试样本集，从而得到基于半监督的联合回归模型；所述基于半监督的联合回归模型为：其中，表示块测试样本集Zⁱ映射到[1,1,…,1]^T∈R^K时产生的误差，E＝[E¹；E²；…；E^M]，Eⁱ表示误差，W＝[W₁；W₂；…；W_M]，α表示的误差项系数，i＝1,…,M，M表示各训练人脸图像或测试人脸图像分成的正方形块的总块数，λ表示||W||_2,1的正则项系数，||·||_2,1表示2,1范数，T表示转置；步骤3，通过非严格的增广拉格朗日乘法求解步骤2基于半监督的联合回归模型，得到所有像素i处的块训练样本集和块测试样本集对应的映射矩阵W_i；步骤4，根据映射矩阵W_i，对每个测试人脸图像的各正方形块进行分类；步骤5，识别每个测试人脸图像的各正方形块的类别后，通过投票的方式确定测试人脸图像所属的类别。