[发明专利]一种镜像图与粗细层次结合的稀疏人脸识别方法

摘要

本发明公开了了一种镜像图与粗细层次结合的稀疏人脸识别方法，人脸在实际环境中，伴随着各种不可预知的情况，会呈现出复杂多变的特性。为了提高人脸识别率及更好的显示人脸特征，本发明的方法首先利用人脸的镜面性生成新的人脸图像，将原来的人脸训练样本和新生成的镜像图样本结合起来，使用粗细层次结合的分类方法来进行识别。新方法一方面增加了训练样本的数目，克服由于光照和姿态等外部因素带来的影响，另一方面选取合适的训练样本，丢掉不合适样本对于人脸识别所造成的不利影响。

主权项

1.一种镜像图与粗细层次结合的稀疏人脸识别方法，其特征在于：包括如下步骤：步骤一：镜像图法利用图像的对称性得到镜像图；若人脸数据库有t类，每类有n个训练样本，训练样本总数为N＝t*n；令X表示总的原始矩阵，X_i表示X中第i类训练样本矩阵，X_i＝[x_(i‑1)*n+1,x_(i‑1)*n+2,…,x_i*n](i＝1,2,…,t)，X_i中每一项代表第i类中每一个训练样本的列向量；设样本矩阵具有C行和D列，它对应的镜像矩阵也具有C行和D列；第i类第j个训练样本列向量表示为x_(i‑1)*n+j，第i类第j个新生成的镜像样本表示为m_(i‑1)*n+j，(i＝1,2,…,t；j＝1,2,…,n)；x'_(i‑1)*t+j(c,d)表示x_(i‑1)*t+j在第c行和第d列上的像素，m'_(i‑1)*t+j(c,d)表示m_(i‑1)*t+j(c,d)在第c行和第d列上的像素,有将m'_(i‑1)*t+j(c,d))转化为m_((i‑1)*t+j(c,d)，令M表示总的镜像图矩阵，M_i表示M中第i类训练样本矩阵，M_i＝[m_(i‑1)*n+1,m_(i‑1)*n+2,…,m_i*n]；步骤二：令S表示总的训练样本矩阵，S＝[S₁，S₂，…S_t]，S_i表示第i类总的训练样本矩阵，S_i＝[x_(i‑1)*n+1,m_(i‑1)*n+1,x_(i‑1)*n+2,m_(i‑1)*n+2,…,x_i*n,m_i*n]；第i类测试样本矩阵的列向量为y，用欧氏距离来测量第i类训练样本x_(i‑1)*n+j与测试样本之间的偏差程度，令d_i＝||y‑x_(i‑1)*n+j||₂   (2)d_i越小，说明x_(i‑1)*n+j越接近y；从2*N个训练样本中用欧式距离选出G个训练样本,G≤2*N,设G个训练样本的列向量分别为q₁,q₂,…,q_G,令Q表示经过欧式距离选择过的训练样本矩阵，Q＝[q₁,q₂,…,q_G]；用G个训练样本线性表示y，即y＝K*Q   (3)K是Q对应的系数,K＝[k₁,k₂,...,k_G]；令K_i＝(Q^TQ+μz)^‑1Q^Ty，μ是一个较小的常量，z是一个可识别的矩阵；令y_i＝K_i*Q_i   (4)Q_i表示Q中第i类训练样本，K_i为Q_i对应的系数，用d_i1衡量y与y'之间的偏差程度，即d_i1＝||y‑y'||²   (5)d_i1越小，说明y'越能表示y；若则测试样本y被分配到第i类。