一种基于稀疏浓度指数的人脸分类方法技术

本发明专利技术公开了一种基于稀疏浓度指数的人脸分类方法，以压缩感知理论为依据，定义了一种新的稀疏浓度指数，提出了基于SCI的判别准则以及判别阈值计算方法，构建了一个适用于光照以及姿态多种变化的人脸分类器，相比其他分类器，计算复杂度相近，识别率更高，鲁棒性更好。该分类器首先使用主元成分分析法提取训练库图像的特征，构建训练库矩阵，并提取样本图像的特征，构建测试样本向量。然后根据压缩感知重构理论，由训练库矩阵和样本向量计算出稀疏系数和判别阈值；根据稀疏系数计算出残差和SCI。多种条件变化下的实验表明，在相同硬件环境下，该分类器与其他分类器相比，具有更高的识别率以及更好的鲁棒性。

【技术实现步骤摘要】

【技术保护点】
一种基于稀疏浓度指数的人脸分辨方法，其特征在于：包括如下步骤：（1）建立训练库：使用PCA法提取样本的特征值，以提取的特征值作为训练数据得到特征子空间的基向量，根据基向量将样本投影到特征子空间，得到样本在特征子空间内的坐标；建立训练库矩阵A＝[A1,A2,...,Ak]∈Rm×n，其中m为PCA法取样后的每一个样本的维数，n为训练库中样本的总数，k为训练库中样本类别的总数；（2）将待测图片投影到特征子空间，得到待测图片在特征子空间内的坐标y∈Rm；（3）首次分类，包括如下步骤：（31）求解l1范数最小并计算稀疏系数δi(x)，δi(x)为稀疏向量x对应训练库中每个样本类别的系数；（32）计算残差ri(y)＝||y||?Aδi(x)||2,(i＝1,2,...,k)；（33）计算稀疏浓度指数SCI(x)=k×maxi||δi(x)||2/||x||2-1k-1;（34）设计稀疏浓度指数的阈值τ∈(0,1)；（35）比较稀疏浓度指数SCI和阈值τ的大小：若SCI大于τ，则直接输出残差最小的样本类别为首次分类结果；否则，缩小训练裤的范围，进行再次分类；（4）再次分类，包括如下步骤：（41）修正训练库：挑选出残差最小的X个样本类别重新建立训练库矩阵A“＝[Amin1,Amin2,...,AminX]∈Rm×n；（42）求解l1范数最小s.t.A“x＝y，并计算稀疏系数δi(x“)，δi(x“)为稀疏向量x对应训练库中每个样本类别的系数；（43）计算残差ri(y)＝||y?A“δi(x“)||2,(i＝1,2,...,X)；（44）输出残差最小的样本类别为再次分类结果。FDA00003484900600012.jpg,FDA00003484900600013.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：田茜，王臻，马慧，徐海燕，吴建辉，李红，
申请(专利权)人：东南大学，
类型：发明
国别省市：