[发明专利]一种基于人脸局部约束编码校准识别方法

权利要求书

1.一种基于人脸局部约束编码校准识别方法，其特征在于，所述的识别方法包括下列步骤：

S1、输入训练集，构建由g个人共n个的训练图像组成的字典：

其中A的每一列是一个经过调整得到的m维训练图像，A_i表示由第i个人的训练图像构成的子字典；

S2、获取失配准的待识别人脸图像y作为测试样本，其中，y为一个m＝w×h维的列向量，

S3、初始化重构误差e＝y-m_A，其中，m_A是所有训练人脸图像的平均脸，进而初始化误差权重矩阵W_t，误差权重矩阵W_t的第i个对角线元素W_ti,i通过下面式子求得：

其中e_t＝y°τ_t-Ax_t是通过当前校准参数τ_t对待识别图像y进行校准后利用全局字典A进行表示对应的重构误差，e_ti表示A_i对应的类对待识别图像y校准后的重构误差，ι和分别是控制衰减率和分界点位置的两个参数；

S4、对测试样本进行基于加权重构误差的局部约束编码，采用从粗到精的搜索策略；

S5、更新校准结果，即更新校准参数、权重误差矩阵以及局部约束表示系数；

S6、判断校准结果局部约束向量d是否收敛或达到最大迭代次数：若收敛或达到最大的迭代次数，输出最终校准识别结果；若不收敛或未达到最大的迭代次数，则返回步骤S4继续执行；

其中，所述的步骤S4中精搜索过程：

通过粗搜索阶段挑选出的R个人的训练图像组成新字典

A_φ＝[A₁,A₂,…,A_R]，来校准待识别图像，即需要求解下式：

重新计算重构误差，即利用更新的最优的误差权重矩阵W₂，以及在该权重下最优的校准参数τ₂和最优的表示系数x₂，然后，通过求得的校准参数τ₂校准待识别图像y，并分别利用每个人的训练图像生成重构图像计算每个人的重构图像与校准好的待识别图像之间的误差

选择重构误差最小的人作为原来待识别图像y的识别结果，完成整个识别过程：

其中，H为粗搜索阶段所挑选出的R个人的下标经重新排列后的集合。

2.根据权利要求1所述的一种基于人脸局部约束编码校准识别方法，其特征在于，所述的步骤S4中粗搜索过程如下：

根据当前校准参数τ_t，对待识别图像进行校准，并计算局部约束向量d：

d_i←max(d)-d_i

其中d_i表示向量d中的第i列，τ表示空间变换的变换参数，而°表示利用τ进行的某种非线性变换，通过求解下式，更新校准参数τ、权重误差矩阵W以及局部约束表示系数x：

其中W_t,x_t,τ_t表示迭代了第t次之后的更新校准参数、权重误差以及局部约束表示系数，⊙是两个向量之间对应元素分别相乘的操作，d是描述待测图像与字典中每一个训练图像的相关性的局部约束向量，值越大惩罚力度越强，向量表示利用字典对待测图像进行编码得到的表示系数；

利用最终的校准参数对待识别图像进行校准，并分别利用每个人的训练图像生成重构图像，计算每个人的重构图像与校准好的待识别图像之间的误差：

选择误差最小的R个人的训练图像构成一个更小的字典：

A_φ＝[A₁,A₂,…,A_R]。