[发明专利]一种基于人脸局部约束编码校准识别方法

摘要

本发明公开了一种基于人脸局部约束编码校准识别方法，包括：输入训练集，构建字典；获取失配准的待识别人脸图像作为测试样本；初始化误差权重；对测试样本图像进行基于加权重构误差的局部约束编码；更新校准结果；判断更新后的校准结果是否收敛或达到最大迭代次数；若收敛或达到最大迭代次数，则输出最终的校准结果，若不收敛或未达到最大迭代次数，则更新误差权重之后再次进行基于加权重构误差的局部约束编码，直至收敛或达到最大迭代次数。该方法对表示系数进行局部约束，并采用加权l2范数的正则项约束重构误差，使得校准和识别结果更注重于非遮挡区域。该方法能适应不同的现实场景，对于遮挡和非遮挡场景都能快速完成人脸校准和识别。

主权项

1.一种基于人脸局部约束编码校准识别方法，其特征在于，所述的识别方法包括下列步骤：S1、输入训练集，构建由g个人共n个的训练图像组成的字典：其中A的每一列是一个经过调整得到的m维训练图像，Ai表示由第i个人的训练图像构成的子字典；S2、获取失配准的待识别人脸图像y作为测试样本，其中，y为一个m＝w×h维的列向量，S3、初始化重构误差e＝y‑m_A，其中，m_A是所有训练人脸图像的平均脸，进而初始化误差权重矩阵W_t，误差权重矩阵W_t的第i个对角线元素通过下面式子求得：其中是通过当前校准参数τ_t对待识别图像y进行校准后利用全局字典A进行表示对应的重构误差，e_ti表示A_i对应的类对待识别图像y校准后的重构误差，ι和分别是控制衰减率和分界点位置的两个参数；S4、对测试样本进行基于加权重构误差的局部约束编码，采用从粗到精的搜索策略；S5、更新校准结果，即更新校准参数、权重误差矩阵以及局部约束表示系数；S6、判断校准结果局部约束向量d是否收敛或达到最大迭代次数：若收敛或达到最大的迭代次数，输出最终校准识别结果；若不收敛或未达到最大的迭代次数，则返回步骤S4继续执行。