[发明专利]一种基于稀疏系数相似的加权稀疏表示人脸识别方法及系统

摘要

本发明公开了一种基于稀疏系数相似的加权稀疏表示人脸识别方法，包括以下步骤：对人脸训练样本图像和测试样本进行预处理，构造训练样本矩阵，将每个训练样本与测试样本列向量的欧氏距离负指数函数映射值定义为权值，构造权重矩阵，求所有训练样本和测试样本的稀疏系数，根据训练样本与测试样本稀疏系数间的相似性，通过余弦相似性选取K个与测试样本邻近的样本组成邻近样本矩阵，采用L1范数最小二乘法求解测试样本的稀疏系数，然后重构测试样本残差来实现分类。本发明方法及系统利用训练样本数据的局部性和稀疏性，使得识别算法更加稳定，避免过多选择其它类别样本，提高测试样本分类的准确率。根据本发明，进行人脸识别，具有较好的市场前景。

主权项

1.一种基于稀疏系数相似的加权稀疏表示人脸识别方法，包括样本字典构造、邻近类选择、构造权重矩阵、图像分类识别过程，其特征在于：包括以下步骤：(1)在人脸识别系统中，假设训练人脸数据库A中有C个类别，每类有n_i个像素为m×n大小的训练样本，其中n_i为第i类训练人脸图像的个数，通过图像预处理将这n_i个样本数据变为成列向量，即l＝m×n为训练样本列向量维数，一共有N个人脸训练样本，即得到训练样本矩阵A＝[A₁，A₂，...，A_C]，假设测试样本y∈A_i类，且y能被A线性表示为y＝Ax，对获取的人脸训练样本和测试样本y进行图像预处理；(2)通过l1范式分别求出各个训练样本和测试样本y在矩阵A上的稀疏系数x1，x2，...，xN，xy，其中x1，x2，...，xN为每个训练样本的稀疏表示系数特征向量，xy为测试样本稀疏系数的特征向量，利用测试样本y的稀疏系数和每个训练样本稀疏系数之间的相似性，根据相似度量值的排序从训练样本中选择出k个与测试样本邻近的邻近样本；(3)将训练样本数据的线性关系和局部关系结合起来，为每个邻近训练样本定义权值qi，j，通过公式转化，使得更多的训练样本的权值为0或者接近于0，然后将所有权值构造权重矩阵Q；(4)采用l1范式最小二乘问题，结合邻近样本矩阵再次求解优化后的测试样本y的特征向量，即稀疏表示的稀疏系数，然后得到重构样本计算重构误差，最小误差的对应的分类结果就是所识别人脸图像。