[发明专利]基于全耦合局部约束表示的极低分辨率人脸识别方法及系统

摘要

本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、对表达字典进行更新；S2、计算其在局部约束和线性重建条件下的最优权值系数；S3、确定最优的神经元个数；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数；S5、利用高分辨率表达系数作为图像耦合局部约束特征；S6、得出识别结果。本发明提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率；最后通过极限学习机完成人脸识别，使识别结果更加准确。

主权项

1.一种基于全耦合局部约束表示的极低分辨率人脸识别方法，其特征在于，包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、根据训练样本中的高分辨率人脸图像和对其下采样得到的低分辨率人脸图像，组成训练样本矩阵，按照局部约束表示算法根据训练样本矩阵对表达字典进行更新，并将表达字典分割成高分辨率表达字典和低分辨率表达字典；S2、根据高、低分辨率人脸图像和高、低分辨率表达字典，计算其在局部约束和线性重建条件下的最优权值系数，包括高分辨率的最优权值系数和低分辨率的最优权值系数；S3、根据高分辨率人脸图像训练样本和高分辨率的最优权值系数进行训练极限学习，自动调节学习神经元的个数使得识别输出的误差最小，将误差最小时的神经元个数确定为最优的神经元个数，训练阶段完成；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像，使用低分辨率表达字典得到它的低分辨率表达系数；S5、根据流形一致性假设，将低分辨率表达系数保持在高分辨率空间，利用高分辨率表达系数作为图像耦合局部约束特征；S6、根据S3中确定的最优神经元个数，构建相应的极限学习模型，并输入低分辨率人脸图像的最优权值系数，得出识别结果。