[发明专利]一种基于分块协同表示的人脸识别方法

摘要

本发明为一种基于分块协同表示的人脸识别方法。在实际应用中，人脸图像的信息缺失（如像素信息缺失、腐蚀块和遮挡）会影响图像的像素值，从而影响人脸识别的效果。本发明先将人脸图像库中的图像分为训练集和测试集，并寻找最佳分块方式对其图像进行分块处理，将训练样本分块后的图像构造子块字典；然后采用子块的协同表示(Cooperative representation，CR)将由人脸图像信息缺失所产生的误差与原图像分离，可有效降低缺失信息图像人脸识别结果的影响；再然后对各子块获得的稀疏稀疏进行分类；最后基于最大投票准则获取最终识别结果，可有效降低由于一个或多个子块特征求得的最小系数误差较大所导致的无效分类对整张图像识别结果产生的影响，提高识别率。

主权项

1.一种基于分块CR的人脸识别方法，其特征在于，该方法包括如下步骤：S1、获取人脸图像：从人脸图像库中下载人脸图像；S2、将一组人脸数据库中的人脸图像分为训练集和测试集，图像的训练集Θ＝{X₁,...,X_i,...,X_c}，测试集Φ＝{Y₁,...,Y_i,...,Y_c}，c为人脸库中人脸的总类别数；X_i表示第i类的训练样本，Y_i表示第i类的测试样本；S3、寻找各个人脸库的最佳分块方式，并对其训练集人脸样本图像进行分块处理，假设Θ＝{Θ₁,...,Θ_p,...,Θ_l}为块训练样本集，其中l为分出块的数量，则第p块的训练样本集为Θ_p＝{x_1p,...,x_ip,...,x_cp}；S4、构造每个子块的字典集，利用分块后构造出的训练样本集Θ_p构造出第p个子块的字典D_p＝[x_1p,...,x_ip,...,x_cp]，按照这种方式对所有子块的人脸图像进行块的字典构造，得到l个块字典D＝[D₁,...,D_p,...,D_l]；S5、将各人脸数据库中测试集的人脸图像样本按其相应的最佳分块方式进行分块，Φ＝{Φ₁,...,Φ_p,...,Φ_l}为块测试样本集，其中l为分出块的数量，则第p块的测试样本集为Φ_p＝{y_1p,...,y_ip,...,y_cp}；S6、将分块后的测试样本与分块后的训练样本联合在一起进行协同表示计算，对于测试集的任意一张测试样本的第p个块y_p，其CR计算公式如下：公式(1)中，D_p为训练集第p个子块的字典，协同表示的作用是为了得到表示系数为x_ip与y_ip的CR系数；S7、根据步骤S6得出，测试样本中第p块的表示系数为用如下的公式求取每一类的残差r_p，公式(2)中，D_ip表示y_p相对于第i类子块训练的字典，此时，D_ip＝x_ip，通过字典求出c个残差r_p＝[r_1p,...,r_ip,...,r_cp]；S8、对人脸测试样本图像的每个子块进行分类，根据如下公式将计算得到的协同表示残差进行比较，找出最小残差所归属的类即为y_p所属的类，identify(y_p)＝arg min{r_ip}                  (3)公式(3)中，r_ip为第i类、第p块人脸图像计算出的协同表示残差；S9、重复步骤S6‑步骤S8，得出测试样本图像Y_i的所有子块的类别标签为{label₁,...,label_p,...,label_l}；S10、根据最大投票准则得出每张测试样本图像的最终识别结果label，当投票数量出现相等情况时，根据步骤S8找出y_p对应的残差r_ip，进行r_ip的对比，选取较小的r_ip对应的y_p所属的类为此张人脸图像所属的类；S11、重复进行步骤S6‑步骤S10，得出所有测试样本集Φ中人脸图像样本的识别结果。