欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201910459926X
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于投影字典对学习的人脸识别方法,其特征在于,包括:获取待识别的目标人脸图像;

利用预设稀疏投影矩阵提取所述目标人脸图像中的目标特征;

将所述目标特征输入预设识别分类器,输出所述目标人脸图像的识别结果;

所述预设稀疏投影矩阵和所述预设识别分类器利用基于L2,1‑范式约束的矩阵分解和基于L2,1‑范式约束的投影字典对学习训练而得,所述稀疏投影矩阵采用了核范式约束和L1‑范式约束;

所述预设稀疏投影矩阵和所述预设识别分类器的训练过程包括:获取人脸训练图像;

利用所述基于L2,1‑范式约束的矩阵分解对所述人脸训练图像进行低维表示,得到低维特征矩阵;

对所述低维特征矩阵进行所述基于L2,1‑范式约束的投影字典对学习,得到稀疏投影矩阵;

构建目标函数,并按照所述目标函数优化所述稀疏投影矩阵和识别分类器;当所述目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器;

所述目标函数为:

T

其中,α,β,γ为所述目标函数的惩罚参数;X为所述人脸训练图像的原始特征矩阵,X 为TX的转置矩阵;V为所述人脸训练图像的低维特征矩阵,V为V的转置矩阵;H为所述人脸训练T T图像的标签信息矩阵,H 为H的转置矩阵;P为稀疏投影矩阵,P 为P的转置矩阵;W为对X进行矩阵分解得到的分解矩阵;D为字典, 为字典的约束条件;C为识别分类器;PX为所述人脸训练图像的稀疏编码系数。

2.根据权利要求1所述的方法,其特征在于,所述按照所述目标函数优化所述稀疏投影矩阵和识别分类器;当所述目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器,包括:对所述目标函数进行转换,并利用拉格朗日函数求解转换后的目标函数,转换后的目标函数为:其中,E为识别分类器的误差;

当所述转换后的目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器。

3.根据权利要求2所述的方法,其特征在于,所述利用拉格朗日函数求解转换后的目标函数;当所述转换后的目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器,包括:根据所述转换后的目标函数定义所述拉格朗日函数,所述拉格朗日函数为:其中, 为所述拉格朗日函数,Y1,Y2,Y3和Y4为拉格朗日乘数,μ为权重因子;J、S、F、E、D、P、V、Y1、Y2、Y3、Y4、C、W均为所述拉格朗日函数中的变量;

通过固定指定变量,更新除所述指定变量之外的其他变量的方式来优化所述拉格朗日函数中的变量,直至输出所述预设稀疏投影矩阵和所述预设识别分类器。

4.一种基于投影字典对学习的人脸识别装置,其特征在于,包括:获取模块,用于获取待识别的目标人脸图像;

提取模块,用于利用预设的稀疏投影矩阵提取所述目标人脸图像中的目标特征;

识别模块,用于将所述目标特征输入预设的识别分类器,输出所述目标人脸图像的识别结果;

所述稀疏投影矩阵和所述识别分类器利用基于L2,1‑范式约束的矩阵分解和基于L2,

1‑范式约束的投影字典对学习训练而得,所述稀疏投影矩阵采用了核范式约束和L1‑范式约束;

还包括:训练模块,用于训练所述稀疏投影矩阵和所述识别分类器,所述训练模块包括:获取单元,用于获取人脸训练图像;

低维表示单元,用于利用所述基于L2,1‑范式约束的矩阵分解对所述人脸训练图像进行低维表示,得到低维特征矩阵;

字典对学习单元,用于对所述低维特征矩阵进行所述基于L2,1‑范式约束的投影字典对学习,得到稀疏投影矩阵;

优化单元,用于构建目标函数,并按照所述目标函数优化所述稀疏投影矩阵和识别分类器;当所述目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器;

所述目标函数为:

T

其中,α,β,γ为所述目标函数的惩罚参数;X为所述人脸训练图像的原始特征矩阵,X 为TX的转置矩阵;V为所述人脸训练图像的低维特征矩阵,V为V的转置矩阵;H为所述人脸训练T T图像的标签信息矩阵,H 为H的转置矩阵;P为稀疏投影矩阵,P 为P的转置矩阵;W为对X进行矩阵分解得到的分解矩阵;D为字典, 为字典的约束条件;C为识别分类器;PX为所述人脸训练图像的稀疏编码系数。

5.根据权利要求4所述的装置,其特征在于,所述优化单元具体用于:对所述目标函数进行转换,并利用拉格朗日函数求解转换后的目标函数,转换后的目标函数为:其中,E为识别分类器的误差;

当所述转换后的目标函数收敛时,输出所述预设稀疏投影矩阵和所述预设识别分类器。

6.根据权利要求5所述的装置,其特征在于,所述优化单元具体用于:根据所述转换后的目标函数定义所述拉格朗日函数,所述拉格朗日函数为:其中, 为所述拉格朗日函数,Y1,Y2,Y3和Y4为拉格朗日乘数,μ为权重因子;J、S、F、E、D、P、V、Y1、Y2、Y3、Y4、C、W均为所述拉格朗日函数中的变量;

通过固定指定变量,更新除所述指定变量之外的其他变量的方式来优化所述拉格朗日函数中的变量,直至输出所述预设稀疏投影矩阵和所述预设识别分类器。

7.一种基于投影字典对学习的人脸识别设备,其特征在于,包括:存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序,以实现如权利要求1至3任一项所述的方法。

8.一种可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的方法。