[发明专利]一种基于稀疏编码的人脸识别方法

摘要

本发明涉及一种基于稀疏编码的人脸识别方法，传统的稀疏编码方法往往事先假定编码残余满足一定的概率分布形式，如拉普拉斯分布或高斯分布，在此基础上提出了l₁或l₂范式来求解稀疏编码系数。这样的处理手段在一些情况下会严重影响人脸识别的鲁棒特性，特别是当存在遮挡、噪声或其他形式的干扰时。本发明提供的方法针对传统稀疏编码方法的不足之处，引入迭代优化思想，其主要解决了以下两个问题：一是无需预先假定残差的分布形式，避免了不合理的残差分布函数对人脸识别鲁棒性带来的影响；二是有选择地保留了一部分有用的像素点进行识别，在大大减少了计算量的同时，更好地解决了遮挡和像素损坏等问题，获得了更鲁棒的识别性能。

主权项

1.一种基于稀疏编码的人脸识别方法，其特征在于：包括以下步骤：S1.设训练样本集中包括有k个已知对象，其中第i个对象所包含的n_i个训练样本表示为矩阵其中i＝1,2,…,k，v_ij∈R^m,j＝1,2,...,n_i，v_ij表示第i个对象的第j个训练样本对应的列向量，m表示v_ij的维度，则训练样本集A可表示为：其中表示训练样本的总个数；S2.设测试样本表示为y，令重构样本y_rec初始化为所有训练样本的均值；S3.计算y与y_rec之间的残差e＝y‑y_rec；S4.定义对角矩阵P＝diag(p₁,p₂,…,p_m)；其中e_d表示残差e的第d个分量，d＝1,2,…,m，τ表示设定的判决阈值；S5.定义Ψ＝{d|p_d＝1,d∈{1,2,…,m}}为重构误差小于判决阈值的像素点位置集合，设Ψ中有c个元素，即Ψ＝{ψ₁,ψ₂,…,ψ_c}；S6.从对角矩阵P中选择第ψ₁,ψ₂,…,ψ_c行的元素构造投影矩阵P^*∈R^c×m；S7.计算编码向量x：其中P^*y‑P^*Ax用来衡量鲁棒编码后的重构人脸向量与输入人脸向量y之间的偏差，λ代表拉格朗日乘子，||·||₁表示l₁范式约束；S8.计算重构样本y_rec：y_rec＝Ax；S9.如已收敛或达到最大迭代次数，则输出最后一次迭代得到的编码向量x：其中x_i表示对象i的系数，否则再次执行步骤S3～S8；S10.将编码向量x中除x_i外的成员替换为0，得到向量δ_i∈Rⁿ，i的初始值为1，然后对测试样本y进行重构：表示对象i重构的测试样本；S11.令i＝i+1，然后重复执行步骤S10，直至i>k；S12.求取与测试样本y的重构误差，测试样本y所属的对象为重构误差最小的对应的对象：