[发明专利]用于人脸识别的基于LBP特征的结构型稀疏表示分类方法

摘要

本发明公开了一种用于人脸识别的基于LBP特征的结构型稀疏表示分类方法（LBP‑SSRC），对于传统的SRC算法来说，样本的局部性相较于其稀疏性一样是极其重要的，局部特征是一种非常有用的特征信息，该算法首先从原始样本集中提取样本的LBP直方图特征，考虑到训练样本的分块结构性，接着设计了两种结构型稀疏表示的算法模型（SSRC），最后将提取到的LBP特征输入到SSRC算法模型中，充分利用样本LBP特征的局部性以及SSRC的分块结构性，因此该算法使测试样本可以尽可能的选择用与其同类别的训练样本来重构得到，可以很好的提升分类识别效果。通过在公共的AR人脸库上的对比实验，可以充分验证所提算法的有效性。

主权项

用于人脸识别的基于LBP特征的结构型稀疏表示分类方法，其特征在于，包括以下具体步骤：步骤1，分别提取原始样本集中训练样本和测试样本图像的LBP特征；步骤2，构建结构型稀疏表示算法模型；步骤3，将步骤1中提取的训练样本和测试样本的LBP特征输入到结构型稀疏表示分类算法模型中，根据结构型稀疏表示算法模型的输出，得到测试样本的分类结果。