[发明专利]一种基于字典学习的人脸识别分类方法

摘要

本发明公开了一种基于字典学习的人脸识别分类方法，构建训练集并将训练集中的样本人脸图像映射到低维空间得到训练集矩阵；建立字典学习模型，将训练集矩阵输入到字典学习模型中并对模型进行求解，得到被学习的字典以及均值系数向量；对待识别人脸图像，基于学习到的字典利用协同表示分类算法得到该图像的系数向量，将系数向量输入至分类器中进行分类识别。本发明针对字典学习模型，着重增加字典原子的不相干程度以及字典学习模型的重构能力、判别能力，并采用多条件进行后续的人脸分类识别，以提高人脸识别分类正确率。

主权项

1.一种基于字典学习的人脸识别分类方法，包括以下步骤：S1：构建若干训练集，每个训练集中含有相同数目的样本人脸图像，且每个训练集中的样本人脸图像来自于同一个体并作为一类；对于任一训练集，将该训练集中的所有人脸图像均映射到低维空间，并组成与该训练集对应的训练集矩阵；S2：建立字典学习模型，新的字典学习模型中包括不相干约束项和字典判别力约束项其中D_k代表字典，I代表单位矩阵，X_k是第k类样本的系数向量，代表第k类样本的均值系数向量，||·||表示矩阵的F范数，S_k是一个度量矩阵，其中d_i、d_j代表字典D_k的第i、j列原子，λ,γ为人工设置的权重参数；S3：将每个训练集矩阵输入到步骤S2得到的新字典模型中，然后对该模型进行求解，得到若干与步骤S1中各类样本对应的子字典以及每一类样本的均值系数向量，这若干子字典组合形成最终的字典；S4：对于待识别图像，基于步骤S3得到的最终的字典，利用协同表示分类方法求得该待识别图像相应的系数向量x；S5：将步骤S4所得到的系数向量x输入到分类器中，利用子字典对信号重构产生的误差以及系数向量x和步骤S3所求得的各类样本均值系数向量的误差来进行分类，根据总体误差的大小对待识别图像进行识别分类。