[发明专利]基于概率稀疏表示的低分辨率光照鲁棒人脸识别方法

摘要

本发明公开了一种基于概率稀疏表示的低分辨率光照鲁棒人脸识别方法，包括以下步骤：步骤1，构建线性子空间S；步骤2，将线性子空间S内的人脸图像训练样本稀疏线性组合构成多个新的人脸图像点；步骤3，给定一个测试图像y，根据目标人脸图像点x的分配概率P(l(x)∈l_X)计算测试图像y的类标签在线性子空间S中的概率P(l(y)∈l_X)；步骤4，根据测试图像y的类标签在线性子空间S中的概率P(l(y)∈l_X)计算测试图像y属于当前类k的概率P(l(y)＝k)，k＝1,2,...,K；步骤5，重复步骤4，直至得到测试图像y属于线性子空间S中每一类的概率，将测试图像y属于线性子空间S中每一类的概率中最大概率所对应的类作为测试图像y所属类。

主权项

1.一种基于概率稀疏表示的低分辨率光照鲁棒人脸识别方法，其特征在于，包括以下步骤：步骤1，构建一组人脸图像训练样本集X＝[X1,...,Xk,....,XK]，其中Xk为第k类样本矩阵，该人脸图像训练样本集即为线性子空间S，所述线性子空间S包括K类子空间；步骤2，将线性子空间S内的人脸图像训练样本乘以多组稀疏编码向量得到多个新的人脸图像点，并分别得到所述多个新的人脸图像点的分配概率；步骤3，给定一个测试图像y，该测试图像y不属于线性子空间S，将多个新的人脸图像点中与测试图像y的相似概率最大的新的人脸图像点作为目标人脸图像点x，设该目标人脸图像点x的分配概率为P(l(x)∈lX)，根据该目标人脸图像点x的分配概率P(l(x)∈lX)计算测试图像y的类标签在线性子空间S中的概率P(l(y)∈lX)，其中lX是线性子空间S中所有人脸样本的标签集；步骤4，在线性子空间S中任选一类子空间作为当前类子空间Xk，根据测试图像y的类标签在线性子空间S中的概率P(l(y)∈lX)计算测试图像y属于当前类k的概率P(l(y)＝k)，k＝1,2,...,K；步骤5，重复步骤4，直至得到测试图像y属于线性子空间S中每一类的概率，将测试图像y属于线性子空间S中每一类的概率中最大概率所对应的类作为测试图像y所属类。