[发明专利]基于核稀疏表示的人脸识别方法

说明书

技术领域

本发明属于图像处理技术领域，特别是涉及人脸的识别，可用于公共安全，信息安全，金融安全的监督和防护。

背景技术

人脸识别是比较容易为人们所接受的非侵犯性识别手段，从而成为备受计算机视觉与模式识别等领域关注的热点问题。人脸识别技术的目的是赋予计算机根据人的面孔辨别人物身份的能力。人脸识别作为一个科学问题，是一个典型的图像模式分析，理解与分类的计算机问题，它涉及模式识别，计算机视觉，智能人机交互，图形学，认知科学等多个学科。作为生物特征识别关键技术之一的人脸识别技术在公共安全，信息安全，金融等领域具有潜在的应用前景。

人脸被普遍认为是在图像识别领域中最有研究价值的物体。这一方面是因为人脸在人类视觉系统中具有显著的识别能力，另一方面是因为自动人脸识别技术中有大量重要的应用。另外，人脸识别中的技术问题也涵盖了物体识别研究中所遇到的问题。物体识别研究中的核心问题就是：物体的哪个特征对于识别来说是最重要的或者是最富信息的。考虑到人脸的特殊几何结构和差异性，那些固定的滤波器，比如：下采样、傅里叶、小波等，就不能使用了，因为它们只对固定的信号有效，比如纹理图像。取而代之的是那些能够根据给出图像而自适应的提取人脸特征的方法，这些技术包括：特征脸、Fisher脸、Laplace脸、主分量分析等等。由上述方法提取出来的特征更加利于人脸识别，包括最近邻和最近子空间在内的简单的分类器都可以利用其进行识别。

虽然有众多的特征提取或选择的方法，却很少涉及到讨论哪种特征更好或者更坏，对于使用者来说也缺少指导去挑选哪种特征去应用。在人脸识别领域，已经付出了大量的努力和关注去寻找所谓“最优”特征。这种需求可能会导致某种重要因素被模糊化甚至被掩盖，这些因素可能对整个识别过程中的特征选择起到重要的作用。比如，不同的特征可能会影响到分类器的选择，也可能影响到特征维度的确定。

为此，Allen Y.Yang和Yi Ma在2007年提出一种用训练图片对测试图片进行稀疏表出的方法，根据压缩感知的原理求出稀疏表示向量，并进行设计分类的方法。该方法说明特征的数量要比这些特征是如果构造的要重要的多。只要特征的数量足够多，甚至是随机选择特征也能够进行很好的分类和识别。但是由于该方法求解的问题是一范数优化问题，这样就不可避免的遇到了针对同比例缩放的样本无法合理求解系数向量和准确分类的问题，从而可能导致分类不够精确。

发明内容

本发明的目的在于克服上述已有技术的不足，提出了一种基于核稀疏表示的人脸识别方法，以合理求解系数向量和准确分类的问题，提高分类器的精确。

为实现上述目的，本发明包括如下步骤：

(1)将训练样本矩阵与测试样本通过高斯核非线性映射至核空间，得到映射后的训练样本矩阵和测试样本其中表示实数集；

(2)生成一个随机矩阵其中d<<n,]]>然后将随机矩阵R与训练样本矩阵C和测试样本l相乘进行降维处理，得到降维后训练样本矩阵和测试样本并对该降维后的训练样本矩阵和测试样本进行归一化；

(3)对归一化后的训练样本矩阵和测试样本，利用如下优化函数：

min||x||1subjecttol~=C~x]]>

求解最优的样本重构系数向量x，为归一化后的测试样本，为归一化后的训练样本矩阵；

(4)将求解得到的样本重构系数向量x，分别代入类别带通函数δ_i：