[发明专利]人脸识别方法和装置

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

对待识别样本集进行预处理，得到待识别样本集矩阵；

采用新迭代稀疏凸非负矩阵分解法对所述待识别样本集矩阵进行处理，求出所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵，所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵采用如下迭代公式迭代产生：

其中，S为所述待识别样本集矩阵，大小为J×I，J、I均为正整数，J为所述待识别样本集中每个样本的低频特征维度，I为所述待识别样本集的样本数量，S^T为S的转置矩阵；U为第n次迭代得到的基矩阵的系数矩阵，Q为第n次迭代得到的系数矩阵，U'为第n-1次迭代得到的基矩阵的系数矩阵，Q'为第n-1次迭代得到的系数矩阵，U、Q、U'和Q'大小均为I×K，K表示S的特征维度，K为正整数且K≤J，n为大于1的正整数；U'^T为U'的转置矩阵，Q'^T为Q'的转置矩阵，Q^T为Q的转置矩阵；U_ik为U的第i行第k列的元素，Q_ik为Q的第i行第k列的元素，i、k均为正整数，且i≤I，k≤K；U'_ik为U'的第i行第k列的元素，Q'_ik为Q'的第i行第k列的元素；当J(V)的值最小时，U为最优基矩阵的系数矩阵，Q为最优系数矩阵，J(V)＝Tr(-2V^TF⁺-V^TE^-VD)，其中F⁺＝(S^TS)⁺Q，E^-＝(S^TS)^-，D＝Q^TQ,V＝U，V^T为V的转置矩阵；(S^TS)⁺表示矩阵(S^TS)的元素取绝对值再和矩阵(S^TS)的对应元素相加所得到的矩阵，(S^TS)^-表示矩阵(S^TS)的元素取绝对值再减去矩阵(S^TS)的对应元素所得到的矩阵；

采用训练好的分类器对所述待识别样本集的最优系数矩阵进行分类，完成人脸识别；

其中，所述采用新迭代稀疏凸非负矩阵分解法对所述待识别样本集矩阵进行处理，求出所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵，包括：

在设定范围内确定K的值；

根据K确定初始基矩阵的系数矩阵和初始系数矩阵；

根据所述初始基矩阵的系数矩阵和初始系数矩阵以及所述迭代公式进行迭代计算；

将每一步迭代计算出的基矩阵的系数矩阵和系数矩阵代入目标函数：

J(V)＝Tr(-2V^TF⁺-V^TE^-VD)；

当所述目标函数的值达到稳定状态，结束迭代计算，并将最后一次迭代计算出的基矩阵的系数矩阵和系数矩阵作为所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵，其中，所述稳定状态是指所述目标函数的值保持不变或者变动幅度小于预定幅度；或者，当迭代次数达到迭代次数阈值时，选取最后一次迭代计算出的基矩阵的系数矩阵和系数矩阵作为所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵。

2.根据权利要求1所述的方法，其特征在于，对于 所述确定出的K的值，采用新迭代稀疏凸非负矩阵分解法对所述待识别样本集矩阵进行分解，求出K对应的所述待识别样本集的最优基矩阵的系数矩阵和最优系数矩阵，还包括：

确定稀疏化阈值；

在每一步迭代计算后，判断迭代计算出的基矩阵的系数矩阵中的每个数值与稀疏化阈值的大小；将迭代计算出的基矩阵的系数矩阵中大于稀疏化阈值的数值设置为1，将迭代计算出的基矩阵的系数矩阵中小于或等于稀疏化阈值的数值设置为0。