发明名称 |
基于块稀疏结构低秩表示的单样本人脸识别方法 |
摘要 |
本发明公开了基于块稀疏结构低秩表示的单样本人脸识别方法,该方法首先将人脸划分为多个块,每个块又划分为多个重叠的子块,假设同一块内的子块在同一子空间内;然后基于低秩表示模型用全部训练样本对应块内的所有子块构成的局部字典去低秩表示所有测试图像的对应块的中心子块所构成的测试矩阵以实现每个人所对应的子空间的有效分割,并加入块稀疏约束以增强模型的鉴别性,利用非严格的增广拉格朗日乘法求解模型以获得低秩表示系数矩阵;在此基础通过判定表示系数的大小实现对测试图像块的分类;最后对所有测试图像块进行投票最终确定分类结果。本发明不仅对表情、光照变化和遮挡等具有很好的鲁棒性,识别精度高,而且支持高效的并行计算。 |
申请公布号 |
CN106295609A |
申请公布日期 |
2017.01.04 |
申请号 |
CN201610701068.1 |
申请日期 |
2016.08.22 |
申请人 |
河海大学 |
发明人 |
刘凡;许峰 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
南京经纬专利商标代理有限公司 32200 |
代理人 |
姜慧勤 |
主权项 |
基于块稀疏结构低秩表示的单样本人脸识别方法,其特征在于,包括如下步骤:步骤1,用大小相等的正方形窗口对所有类的训练人脸图像和测试人脸图像进行分块,正方形窗口滑过图像的每个像素点,在图像的每一个像素点处得到对应的一个正方形块,接着在每个正方形块内部,再确定出一个中心子块及其若干邻域子块;步骤2,假设每个正方形块内的不同子块属于同一线性子空间,利用所有类的训练人脸图像像素i处对应的正方形块内的全部子块构建局部字典A<sup>i</sup>,所有类的测试人脸图像像素i处对应的正方形块内的全部子块构建测试矩阵X<sup>i</sup>,使用低秩表示模型描述不同测试人脸图像所对应的子空间;步骤3,在步骤2的低秩表示模型中加入块稀疏约束,得到新的低秩表示模型;步骤4,通过非严格的增广拉格朗日乘法求解步骤3新的低秩表示模型,得到低秩表示系数矩阵;步骤5,根据低秩表示系数矩阵,对每个测试人脸图像的各正方形块进行分类;步骤6,识别每个测试人脸图像的各正方形块的类别后,通过投票的方法确定测试人脸图像所属的类别。 |
地址 |
211100 江苏省南京市江宁开发区佛城西路8号 |