一种基于稀疏编码和字典学习的人脸识别方法技术

本发明专利技术公开了一种基于稀疏编码和字典学习的人脸识别方法，包括如下步骤：S1、采集与预处理标准化训练图像与待识别人脸图像；S2、训练字典集合，类别标注、字典初始化与优化；S3、稀疏编码，利用优化字典求解稀疏系数；S4、区域特征划分与融合多区域稀疏编码、加权压缩、交互建模；S5、融合特征归一化与分类，重构误差与判别分类器联合判别；S6、置信度评估与字典更新，低置信度触发增量学习更新机制；S7、模型部署与实时识别，部署优化字典与分类模块进行识别输出。本发明专利技术提供了一种适用于复杂环境的人脸识别方法，具备高精度、强鲁棒性与良好实用性。

【技术实现步骤摘要】

本专利技术涉及图像处理与计算机视觉，尤其涉及一种基于稀疏编码和字典学习的人脸识别方法。

技术介绍

1、在人脸识别技术的发展过程中，传统方法主要依赖于基于主成分分析(pca)、线性判别分析(lda)等线性降维算法，提取全局图像特征用于身份分类。然而，这类方法在处理光照变化、姿态变化和部分遮挡等复杂环境下时鲁棒性较差，难以保持较高识别准确率。近年来，稀疏表示(sparse representation)与字典学习(dictionary learning)技术被引入到人脸识别中，为特征表达和身份判别提供了新的建模范式。稀疏表示通过在一个过完备字典上寻找图像的稀疏线性组合，可以有效捕捉图像中的本质特征结构，而字典学习技术则致力于构建具有代表性和区分性的基底集合，为稀疏表达提供良好的编码支撑。

2、已有的人脸识别方法通常使用固定的字典或简单的类别无关字典进行稀疏编码，并直接将稀疏系数作为分类依据，忽略了类别结构对字典构建的指导作用。这类方法在处理样本数量不均衡、多样性特征表达不充分等问题时容易产生识别偏差，且缺乏动态调节能力。同时，许多现有方案仅利用全局本文档来自技高网...

【技术保护点】

1.一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述对人脸区域图像执行预处理具体包括人脸灰度化、几何对齐、归一化及尺寸统一操作。

3.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述S2具体包括：

4.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述S3具体包括：

5.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述S4具体包括：

6.根...

【技术特征摘要】

1.一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述对人脸区域图像执行预处理具体包括人脸灰度化、几何对齐、归一化及尺寸统一操作。

3.根据权利要求1所述的一种基于稀疏编码和字典学习的人脸识别方法，其特征在于，所述s...

【专利技术属性】
技术研发人员：龙小林，
申请(专利权)人：江苏中科新创源智能科技有限公司，
类型：发明
国别省市：