[发明专利]分块协同表示嵌入核稀疏表示遮挡人脸识别方法和装置

摘要

本发明公开了分块协同表示嵌入核稀疏表示遮挡人脸识别方法和装置，该方法包括提取训练样本的WLD特征和测试样本的WLD特征，并生成训练样本的字典矩阵A以及待测样本的字典矩阵Y；根据训练样本的字典矩阵A获取训练样本的核矩阵K；计算训练样本的核矩阵K的特征值和特征向量，生成训练样本的核投影矩阵；根据测试样本的字典矩阵Y获取测试样本的核矩阵K'；根据A、Y、K'和K得到对应的训练样本的核训练样本A'和待测样本的核测试样本Y'；将训练样本和测试样本均划分为若干个子图像，得到加权系数矩阵W；根据加权系数矩阵W、核训练样本A'和核测试样本Y'得到分类结果。本发明的优点在于解决已有局部遮挡人脸识别中鲁棒性不强，准确性不高等问题。

主权项

分块协同表示嵌入核稀疏表示遮挡人脸识别方法，其特征在于，包括如下步骤：S1、提取训练样本的WLD特征和测试样本的WLD特征，并生成训练样本的字典矩阵A以及待测样本的字典矩阵Y；S2、根据训练样本的字典矩阵A获取训练样本的核矩阵K；计算训练样本的核矩阵K的特征值和特征向量，根据特征值的贡献率获取对应的特征向量，并生成训练样本的核投影矩阵；S3、根据测试样本的字典矩阵Y获取测试样本的主对角线对称的核矩阵K′；S4、根据字典矩阵A、字典矩阵Y、核矩阵K′和核矩阵K，投影到核投影矩阵中得到对应的训练样本的核训练样本A′和待测样本的核测试样本Y′；S5、将训练样本和测试样本均划分为若干个子图像，通过协同表示计算得到训练样本每个子图像的协同表示系数；并根据训练样本每一个子图像的相似性获取每一幅图像的加权系数，形成加权系数矩阵W；S6、根据加权系数矩阵W、核训练样本A′、核测试样本Y′以及核稀疏表示方法得到分类结果。