一種基于多特征空間稀疏分類器的人臉識(shí)別方法
【專利摘要】本發(fā)明提出一種基于多特征空間稀疏分類器的人臉識(shí)別方法，包括，將原始訓(xùn)練樣本{X1…XN}分別投影到Eigenface，Laplacianface和Gabor特征空間形成子字典OE,OL和OG；利用遺傳算法對(duì)三個(gè)子字典進(jìn)行聯(lián)合優(yōu)化訓(xùn)練得到子字典NE,NL,NG；分別利用子字典NE,NL,NG訓(xùn)練稀疏分類器SRC，每個(gè)稀疏分類器分別對(duì)待測(cè)樣本進(jìn)行稀疏表示并求出對(duì)應(yīng)第i類訓(xùn)練樣本的殘差分別為RiE,RiL,RiG，然后計(jì)算對(duì)應(yīng)第i類訓(xùn)練樣本的殘差的均值，殘差均值E[Ri]的最小值對(duì)應(yīng)的類即為待測(cè)人臉樣本所屬類別。本發(fā)明的人臉識(shí)別方法所采用的該字典訓(xùn)練方法能夠分別選出每個(gè)子字典中最具區(qū)分能力的樣本，使得基于使用此字典的稀疏分類器的人臉識(shí)別正確率提高。
【專利說(shuō)明】—種基于多特征空間稀疏分類器的人臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像識(shí)別【技術(shù)領(lǐng)域】，涉及一種人臉識(shí)別方法。
【背景技術(shù)】
[0002]人臉識(shí)別一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門學(xué)科，Wright等人提出用基于壓縮感知理論的稀疏分類器(SRC)對(duì)人臉進(jìn)行識(shí)別，取得了不錯(cuò)的效果。但是該算法直接利用訓(xùn)練圖片作為字典對(duì)檢測(cè)圖片進(jìn)行LI范數(shù)約束的稀疏表示，顯然不能充分表征待測(cè)人臉圖片的特征，且字典的原子數(shù)過(guò)高增加了編碼的復(fù)雜度。
[0003]于是如何從原始訓(xùn)練樣本學(xué)習(xí)得到最優(yōu)化字典成為研究的熱點(diǎn)方向。目前有很多種用于人臉識(shí)別的字典學(xué)習(xí)算法:
[0004]1.Metaface, KSVD等都是對(duì)原始訓(xùn)練樣本統(tǒng)一學(xué)習(xí)得到一個(gè)所有類別共同使用的字典。
[0005]2.為每一類別學(xué)習(xí)一個(gè)字典，讓每個(gè)字典盡量獨(dú)立。
[0006]以上提到的兩類字典學(xué)習(xí)方法都是在單一特征空間對(duì)原始訓(xùn)練圖片進(jìn)行學(xué)習(xí)，不能充分利用原訓(xùn)練樣本的特征，泛化能力不好。

【發(fā)明內(nèi)容】

[0007]本發(fā)明克服現(xiàn)有技術(shù)的上述不足，在改進(jìn)現(xiàn)有的稀疏分類器的字典學(xué)習(xí)算法的基礎(chǔ)上，提出能夠提高識(shí)別準(zhǔn)確性的人臉識(shí)別方法。本發(fā)明的人臉識(shí)別方法，在字典學(xué)習(xí)中，將原始訓(xùn)練樣本集合分別在Eigenface, Laplacianface和Gabor特征空間表示形成三個(gè)原始子字典0E，0L, 0e，然后對(duì)三個(gè)子字典進(jìn)行基于遺傳算法的聯(lián)合學(xué)習(xí)，使得子字典訓(xùn)練的子分類器達(dá)到盡可能小的訓(xùn)練誤差，并通過(guò)鼓勵(lì)每?jī)蓚€(gè)子分類器有不同的判定結(jié)果，從而盡量避免由于兩個(gè)分類器都判定錯(cuò)誤引起的失敗，再利用新的子字典分別訓(xùn)練三個(gè)稀疏分類器對(duì)待測(cè)樣本進(jìn)行稀疏表示，求對(duì)應(yīng)每一類訓(xùn)練樣本的殘差的均值，從而可以更為準(zhǔn)確滴判斷人臉的類別。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是:
[0008]一種基于多特征空間稀疏分類器的人臉識(shí)別方法，包括，
[0009]第一步:將原始訓(xùn)練樣本{Χ,..ΧΝ}分別投影到Eigenface, Laplacianface和Gabor特征空間形成子字典0E，Ol和Og ；
[0010]第二步:利用遺傳算法對(duì)三個(gè)子字典進(jìn)行聯(lián)合優(yōu)化訓(xùn)練得到子字典Ne，Nl, Ng ；
[0011]第三步:分別利用子字典Ne，Nl, Ng訓(xùn)練稀疏分類器SRC，每個(gè)稀疏分類器分別對(duì)待測(cè)樣本進(jìn)行稀疏表示并求出對(duì)應(yīng)第i類訓(xùn)練樣本的殘差分別為RiE，RA RA然后計(jì)算對(duì)應(yīng)第
i類訓(xùn)練樣本的殘差的均值
【權(quán)利要求】
1.一種基于多特征空間稀疏分類器的人臉識(shí)別方法，包括， 第一步:將原始訓(xùn)練樣本{Χ^..ΧΝ}分別投影到Eigenface, Laplacianface和Gabor特征空間形成子字典0E，Ol和Oe; 第二步:利用遺傳算法對(duì)三個(gè)子字典進(jìn)行聯(lián)合優(yōu)化訓(xùn)練得到子字典NE，Nl, Ng ； 第三步:分別利用子字典NE，Nl, Ng訓(xùn)練稀疏分類器SRC，每個(gè)稀疏分類器分別對(duì)待測(cè)樣本進(jìn)行稀疏表示并求出對(duì)應(yīng)第i類訓(xùn)練樣本的殘差分別為RA Ri1, RA然后計(jì)算對(duì)應(yīng)第i類訓(xùn)練樣本的殘差的均值
2.根據(jù)權(quán)利要求1所述的基于多特征空間稀疏分類器的人臉識(shí)別方法，其特征在于，第一步中: (1)將原始訓(xùn)練樣本{XfXN}投影到Eigenface特征空間形成子字典0E，在該特征空間投影后的樣本向量表達(dá)式為YK=WrcATXK，Xk是一個(gè)訓(xùn)練樣本向量，Wpca即為Eigenface特征空間的基組成的矩陣，變換后得到的集合(Y1-YyY1J即為子字典Oe; (2)將原始訓(xùn)練樣本{Χ^..ΧΝ}投影到Laplacianface特征空間形成子字典Oe,在該特征空間投影后的樣本向量表達(dá)式為Yk=WtXk, WzWp^Wm，WreA表示先對(duì)原始字典進(jìn)行主向量分析，從而去噪，Wlpp為L(zhǎng)aplacianface特征空間的基組成的矩陣，變換后的即為子字典O1.； (3)將原始訓(xùn)練樣本{Χ^..ΧΝ}投影到Gabor特征空間，即利用Gabor濾波器對(duì)每一個(gè)原始列向量進(jìn)行濾波，從而形成子字典0e。
3.根據(jù)權(quán)利要求1所述的基于多特征空間稀疏分類器的人臉識(shí)別方法，其特征在于:利用遺傳算法對(duì)三個(gè)子字典進(jìn)行聯(lián)合優(yōu)化訓(xùn)練得到子字典NE，Nl, Ng的方法如下: A.根據(jù)原始訓(xùn)練樣本得到原始子字典0E，0L,Og ； B.初始化染色體S1;1,..., Siu,為第一代染色體群，直至有K個(gè)都滿足最小支持度hmsv(Si，g)=l，即保證算子在每類中挑選出的樣本數(shù)一定要大于一定比例值P，其中
【文檔編號(hào)】G06K9/66GK103793694SQ201410046606
【公開(kāi)日】2014年5月14日 申請(qǐng)日期:2014年2月10日 優(yōu)先權(quán)日:2014年2月10日
【發(fā)明者】金志剛, 徐楚 申請(qǐng)人:天津大學(xué)