[发明专利]基于二次协作表示鉴别投影的鲁棒人脸识别方法

权利要求书

1.基于二次协作表示鉴别投影的鲁棒人脸识别方法，其特征在于，包括步骤：

(1)、获取人脸图像训练样本集，所述训练样本集包括C个不同的类，对训练样本集中每个训练样本和待识别样本进行归一化，并利用PCA方法降低数据维数；

(2)、将训练样本用总体训练样本协作表示，并求解协作表示系数；

(3)、计算训练样本在每类训练样本中的重构误差，并筛选K个最小重构误差所对应的样本类；

(4)、将训练样本用所筛选的这K类样本及自身所在类协作表示，并求解协作表示系数；

(5)、利用步骤(4)中求得的协作表示系数构造类内图与类间图，用于刻画样本的鉴别结构；

(6)、根据类内图与类间图，构造类内散布矩阵与类间散布矩阵；

(7)、通过最大化类间散度与类内散度的比值求取投影矩阵，并利用投影矩阵提取训练样本与待识别样本的特征；

(8)、根据最近邻分类器判断待识别样本的类标。

2.根据权利要求1所述的基于二次协作表示鉴别投影的鲁棒人脸识别方法，其特征在于，步骤(1)中所述获取人脸图像训练样本集，具体为：将每幅人脸图像进行矩阵向量化操作，得到第i幅人脸图像样本为x_i∈R^D，其中D＝w×h，w×h分别代表图像的宽度和高度；将训练样本集表示为X＝[x₁,x₂,…,x_n]，待识别样本表示为x_test，其中n表示人脸图像训练样本数。

3.根据权利要求2所述的基于二次协作表示鉴别投影的鲁棒人脸识别方法，其特征在于，步骤(1)对训练样本集中每个训练样本和待识别样本进行归一化，具体为：

对于训练样本x_i，进行模为1的归一化操作：

x_i＝x_i/||x_i||₂,i＝1,2,...,n

同样，对于待识别样本x_test，也进行归一化操作：

x_test＝x_test/||x_test||₂。

4.根据权利要求3所述的基于二次协作表示鉴别投影的鲁棒人脸识别方法，其特征在于，步骤(1)所述利用PCA方法降低数据维数，计算步骤为：

(1).令Z＝[x₁-m,x₂-m,…,x_n-m]，其中为全体训练样本的均值；计算前d个非零特征值对应的特征向量，令λ₁λ₂…λ_d为前d个非零最大特征值，v₁,v₂,…,v_d为相应的特征向量；

(2).将PCA投影向量表示为：

(3).令A_PCA＝[a₁,a₂,…,a_d]，则得到PCA预处理后的数据为：

x_i＝A_PCA^Tx_i,i＝1,2,...,n

x_test＝A_PCA^Tx_test。