一种基于广义表示的人脸图像分类方法技术

本发明专利技术属于人脸识别技术领域，公开一种基于广义表示的人脸图像分类方法；包括：对训练样本

Face image classification method based on generalized representation

【技术实现步骤摘要】
一种基于广义表示的人脸图像分类方法
本专利技术属于人脸识别
，尤其涉及一种基于广义表示的人脸图像分类方法。
技术介绍
基于稀疏表示的分类方法(SparseRepresentation-basedClassification，SRC)(Wright,J.,A.Y.Yang,A.Ganesh,S.S.Sastry,andYiMa.2009.“RobustFaceRecognitionviaSparseRepresentation.”IEEETransactionsonPatternAnalysisandMachineIntelligence31(2):210–227.)是一种被广泛应用的人脸识别方法。SRC的基本思想是用所有训练样本的稀疏的线性组合来表示某个测试样本，然后将该测试样本分类至表示误差最小的类别中。稀疏表示的重要性在相关算法中一再被强调，然而协同表示的作用却被忽略。基于协同表示的分类方法(CollaborativeRepresentation-basedClassification，CRC)(Zhang,Lei,MengYang,本文档来自技高网...

【技术保护点】
1.一种基于广义表示的人脸图像分类方法，其特征在于，包括：/n步骤1：对训练样本

【技术特征摘要】
1.一种基于广义表示的人脸图像分类方法，其特征在于，包括：
步骤1：对训练样本和测试样本进行归一化；d为人脸图像特征数目，n为训练样本的数目；所述训练样本共包括c类人脸图像；
步骤2：对训练样本和测试样本使用主成分分析进行降维；
步骤3：在MM框架下求解GRC优化问题得到表示系数α；λ为调节参数，p表示范数，0＜p≤2；
步骤4：根据表示系数α计算第i类训练样本的残差ri；i＝1，2，...，c；并基于ri对测试样本进行分类。


2.根据权利要求1所述的一种基于广义表示的人脸图像分类方法，其特征在于，所述步骤3包括：



其中α(k)为α的第k次迭代结果，α(k)中不包含零元素；
定义如下替代函数



根据MM框架，迭代地优化g(α|α(k))以得到GRC优化问题的局部最优解，即

【专利技术属性】
技术研发人员：王敬，张宝，李健，宣贺君，孙艳歌，郭华平，
申请(专利权)人：信阳师范学院，
类型：发明
国别省市：河南;41