[发明专利]基于核非负矩阵分解的字典学习和稀疏特征表示的人脸识别方法及系统

摘要

本发明提供了一种基于核非负矩阵分解(KNMF)的字典学习和稀疏特征表示的人脸识别方法及系统，该人脸识别方法包括将个类预设的非负训练样本图像表示为非负列向量，并组合成c个非负小矩阵；然后分别对执行核非负矩阵分解，得到核稀疏表示学习字典。基于该字典，对于待识别图像，提取其非负稀疏特征，并计算其对应于各类的稀疏特征之和。最后比较所有的，如果最大，那么将归到第类。本发明的有益效果是通过利用分块核非负矩阵分解来构造高性能核稀疏表示学习字典，实现了一种非线性的非负稀疏表示的人脸识别算法，克服了人脸数据呈现出复杂的非线性结构情况，且提升了识别性能。

主权项

一种基于核非负矩阵分解的字典学习和稀疏特征表示的人脸识别方法，其特征在于，包括如下步骤：A.将c个类预设的非负训练样本图像表示为非负列向量，然后组合成非负小矩阵Xi；B.对每一个小矩阵Xi执行KNMF，来得到非负原像子矩阵Wi，然后组合成非负原像矩阵W＝[W1,W2,...,Wc]；C.对于一个非负的测试样本y，通过更新法则(6)来获得y的稀疏表示特征s；D.将s表示成其中si是一个列向量，它表示s中只与φ(Wi)有关的部分；E.计算每一个di＝||si||1；F.比较所有的di，如果dk是最大，那么将y归到第k类。