【技术实现步骤摘要】
一种基于字典学习的人脸识别分类方法
本专利技术属于人脸识别
，特别涉及一种基于字典学习的人脸识别分类方法。
技术介绍
关于字典学习的研究国内外已经涌现出了大量的文献，并取得了很多突出的成就。字典设计主要有两类：每类样本各自学习一个字典，组合起来的得到最终的字典，另外就是所有类学习一个共同的字典。目前这方向代表性的工作有D-KSVD、LC-KSVD、FDDL等。现有的很多字典学习算法在用于识别认证等领域时，还存在着较多问题，例如重构能力和判别能力不强，判别标准较少较弱等等，由此导致判别准确率较低。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于字典学习的人脸识别分类方法，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。为解决上述技术问题，本专利技术所采用的技术方案是：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...
【技术保护点】
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
【技术特征摘要】
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Dk代表字典，I代表单位矩阵，Xk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，Sk是一个度量矩阵，其中di、dj代表字典Dk的第i、j列原子；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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。