[发明专利]样本扩展和标签嵌入的多分辨率字典学习人脸识别方法

权利要求书

1.样本扩展和标签嵌入的多分辨率字典学习人脸识别方法，其特征在于：首先利用原始样本相邻两张人脸图像形成偏差样本，由原始训练样本与偏差样本形成虚拟样本，并将原始样本和虚拟样本转化为不同分辨率，同时为虚拟样本添加噪声约束；其次将原始训练样本的标签分配给原子，构造成原子标签信息，通过原子标签信息构造标签嵌入项；将添加噪声约束的虚拟样本在多分辨率字典学习模型上进行训练，并将原子标签信息构造的标签嵌入项嵌入到多分辨率字典学习模型，获得的表示误差，最后利用表示误差对测试样本进行分类；

添加噪声约束的虚拟样本在多分辨率字典学习模型上进行训练，并将原子标签信息构造的标签嵌入项嵌入到多分辨率字典学习模型，其算法目标函数为：

其中：Y₁,…,Y_k是k个分辨率下的原始训练样本；是k个分辨率下的虚拟样本；D₁,…,D_k是k个分辨率下的字典；X是编码系数矩阵。

2.根据权利要求1所述的样本扩展和标签嵌入的多分辨率字典学习人脸识别方法，其特征在于：所述原始样本和虚拟样本通过图像金字塔方法转换为若干不同的分辨率。

3.根据权利要求1所述的样本扩展和标签嵌入的多分辨率字典学习人脸识别方法，其特征在于：所述虚拟样本噪声约束模型为：

Y₁＝DX+O

式中：Y₁是原始训练样本，D＝[D₁,D₂,…,D_i,…,D_k]是多分辨率字典，X＝[x₁,x₂,…,x_i,…,x_N]是编码系数矩阵，O＝[o₁,o₂,...,o_N]是训练样本的重构误差矩阵,是虚拟样本，E＝[e₁,e₂,...,e_N]表示虚拟训练样本的噪声和异常值的矩。

4.根据权利要求1所述的样本扩展和标签嵌入的多分辨率字典学习人脸识别方法，其特征在于：所述原子标签信息构造标签嵌入项方式为：

步骤一：使用字典学习算法，通过使用第i类训练原始样本学习子字典D_i；

步骤二：学习子字典D_i的标签矩阵B为

B＝[b₁,...,b_K]^T∈R^K×C；

步骤三：使用子字典D_i的标签矩阵B∈R^K×C构建一个加权标签矩阵G，如下所示：

步骤四：使用原子的轮廓矩阵和标签来构建标签嵌入项，原子的标签嵌入如下：

其中，U＝GG^T∈R^K×K是字典D的缩放标签矩阵。V是编码系数矩阵。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的样本扩展和标签嵌入的多分辨率字典学习人脸识别方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一项所述的样本扩展和标签嵌入的多分辨率字典学习人脸识别方法。