一种基于加权协同表示的人脸识别方法技术

本发明专利技术公开了一种基于加权协同表示的人脸识别方法，其将待识别图像线性表示成全体训练图像的线性组合，同时将待识别图像与每类样本的距离信息作为先验信息引入到特征表示函数中，增强了距离待识别图像较近的某类样本的重构权重，然后利用最小二乘法求解表示系数，最后根据待识别图像与每类训练图像的重构残差大小判断待识别图像的类别。本发明专利技术基于L

【技术实现步骤摘要】
一种基于加权协同表示的人脸识别方法
本专利技术涉及一种图像识别方法，特别是一种基于加权协同表示的人脸识别方法，属于图像识别

技术介绍
人脸识别是身份鉴别的一种重要方法，在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域有着广泛的应用前景。在过去的几十年里，研究者们提出了诸多人脸识别方法，其中基于表示学习的图像分类方法被广泛应用于人脸识别。比较著名的基于表示学习的图像分类方法有：(1)稀疏表示分类器(SRC)，记载于J.Wright,A.Y.Yang,A.Ganesh,S.S.Sastry,Y.Ma于2009年在IEEETransactionsonPatternAnalysisandMachineIntelligence第31卷第2期210-2272页发表的《Robustfacerecognitionviasparserepresentation》，该方法假定待识别图像可由全体训练图像稀疏线性表示而成，通过求解L1范数最优化问题获得稀疏重构系数，然后根据待识别图像与每类训练本文档来自技高网...

【技术保护点】
1.一种基于加权协同表示的人脸识别方法，其特征在于，包括如下步骤：/n步骤1、获取人脸图像训练样本集；所述训练样本集包括C个不同的类，对训练样本集中每个训练样本和待识别样本进行归一化处理，并利用基于主成分分析PCA方法降低训练样本与待识别样本的数据维数；/n步骤2、计算待识别样本与每类样本之间的距离；/n步骤3、利用待识别样本与每类样本之间的距离作为权重，将待识别样本表示成全体训练样本的线性组合，并构造目标函数；/n步骤4、利用拉格朗日乘子法求解目标函数，获得训练样本对重构待识别样本的表示系数；/n步骤5、依据表示系数构造待识别样本的类标判别规则，判断待识别样本的类标。/n

【技术特征摘要】
1.一种基于加权协同表示的人脸识别方法，其特征在于，包括如下步骤：
步骤1、获取人脸图像训练样本集；所述训练样本集包括C个不同的类，对训练样本集中每个训练样本和待识别样本进行归一化处理，并利用基于主成分分析PCA方法降低训练样本与待识别样本的数据维数；
步骤2、计算待识别样本与每类样本之间的距离；
步骤3、利用待识别样本与每类样本之间的距离作为权重，将待识别样本表示成全体训练样本的线性组合，并构造目标函数；
步骤4、利用拉格朗日乘子法求解目标函数，获得训练样本对重构待识别样本的表示系数；
步骤5、依据表示系数构造待识别样本的类标判别规则，判断待识别样本的类标。


2.根据权利要求1所述的一种基于加权协同表示的人脸识别方法，其特征在于，步骤1所述对训练样本集中每个训练样本和待识别样本进行归一化处理，具体如下：
假设每幅图像的大小为w×h，训练样本来自于C个图像类，每类人脸样本数均为n0，将每幅人脸图像进行矩阵向量化操作，得到第i幅人脸图像样本为xi∈RD，其中D＝w×h；将训练样本集表示为X＝[x1,x2,...,xn]，将待识别样本可表示为y，其中i＝1,2,...,n；n表示人脸图像训练样本数，且满足n＝n0C；
对于训练样本xi，进行模为1的归一化操作：
xi＝xi/||xi||2,
同样，对于待识别样本y，也需进行归一化操作：
y＝y/||y||2。


3.根据权利要求1所述的一种基于加权协同表示的人脸识别方法，其特征在于，步骤1所述利用基于主成分分析PCA方法降低训练样本与待识别样本的数据维数，具体为：
(1).令Z＝[x1-m,x2-m,…,xn-m]，计算前d个非零特征值对应的特征向量，令λ1>λ2…>λd为前d个非零最大特征值，v1,v2,…,vd为相应的特征向量；
(2).将PCA投影向量表示为：



(3).令APCA＝[a1,a2,…,ad]，则PCA预处理后的训练样本xi与待识别样本y为：
xi＝APCAΤxi,
y＝APCAΤy。


4.根据权利要求1所述的一种基于加权协同表示的人脸识别方法，其特征在于，步骤2所述计算待识别样本与每类样本之间的距离，具体为：
令di表示待识别样本y与第...

【专利技术属性】
技术研发人员：杨章静，黄璞，陈镭，杨国为，
申请(专利权)人：南京审计大学，
类型：发明
国别省市：江苏;32