[发明专利]一种基于局部信息和组稀疏约束的半监督人脸识别方法

摘要

本发明公开一种基于局部信息和组稀疏约束的半监督人脸识别方法，步骤是获取一个包含n个高维数据的人脸数据集X∈Rd×n，其中，d为数据维度，该人脸数据集中包含m个已标记数据集Xl∈Rd×m及对应的标签矩阵Yl∈Rm×c,其中，c为人脸数据的分类数；在数据集X上，构建基于局部信息约束的无监督人脸特征选择模型；在已标记数据集Xl上，构建基于矩阵l2,1损失函数的监督人脸特征选择模型；构建组稀疏约束的人脸特征选择目标函数；利用迭代优化算法求解目标函数；以筛选过后的人脸特征作为SVM的输入，训练得到SVM分类器，并完成对人脸的识别。此种方法可有效提高人脸特征选择和识别的准确度，同时可有效抑制数据集中噪声的干扰。

主权项

一种基于局部信息和组稀疏约束的半监督人脸识别方法，其特征在于包括如下步骤：(1)获取一个包含n个高维数据的人脸数据集X∈Rd×n，其中，d为数据维度，该人脸数据集中包含m个已标记数据集Xl∈Rd×m及对应的标签矩阵Yl∈Rm×c,其中，c为人脸数据的分类数；(2)在数据集X上，构建基于局部信息约束的无监督人脸特征选择模型；(3)在已标记数据集Xl上，构建基于矩阵l2,1损失函数的监督人脸特征选择模型；(4)构建组稀疏约束的人脸特征选择目标函数；(5)利用迭代优化算法求解步骤(4)中的目标函数；(6)以经过步骤(5)筛选过后的人脸特征作为SVM的输入，训练得到SVM分类器，并完成对人脸的识别。