公开(公告)号：CN106066992B

公开(公告)日：2019-10-18

申请号：CN201610321262.7

申请日：2016-05-13

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 李争名 ,  徐勇

IPC: G06K9/00

Abstract: 本发明提出了一种基于自适应局部约束的判别字典学习算法以解决字典学习算法在人脸识别中存在的问题。本发明首先利用原子构造自适应的拉普拉斯图，使其能够保持字典的局部结构特征。然后，利用编码系数矩阵的行向量与字典的拉普拉斯图设计局部约束判别式项，使得字典具有更强的判别性能，进而设计基于自适应局部约束的判别字典学习的人脸识别系统模型，提高人脸识别的分类性能。本发明算法的顺利开展将丰富和发展基于约束的字典学习理论体系，为增强字典鉴别性能、提升人脸识别的能力起着重要的指导作用。

公开(公告)号：CN104166860B

公开(公告)日：2017-06-13

申请号：CN201410359737.2

申请日：2014-07-25

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 李争名 ,  徐勇

IPC: G06K9/66

Abstract: 本发明提供了一种基于约束的面向单个测试样本的人脸识别方法，步骤1，对训练样本集合和测试样本进行预处理；步骤2，算法的第一阶段，设计测试样本与训练样本之间的函数关系，利用训练样本线性表示测试样本的方法建立它们间的函数关系，步骤3，设计字典的类标嵌入项，步骤4，算法的第二阶段,利用训练样本集合来学习字典，并且该字典同时也是测试样本的最优表示，步骤5、分类方法：采用线性分类方法对测试样本进行分类。试验结果表明提出的算法具有计算复杂度低，重构性能、鉴别性和紧凑性强的等特点，能进一步提高人脸识别效率。

公开(公告)号：CN106066992A

公开(公告)日：2016-11-02

申请号：CN201610321262.7

申请日：2016-05-13

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 李争名 ,  徐勇

IPC: G06K9/00

Abstract: 本发明提出了一种基于自适应局部约束的判别字典学习算法以解决字典学习算法在人脸识别中存在的问题。本发明首先利用原子构造自适应的拉普拉斯图，使其能够保持字典的局部结构特征。然后，利用编码系数矩阵的行向量与字典的拉普拉斯图设计局部约束判别式项，使得字典具有更强的判别性能，进而设计基于自适应局部约束的判别字典学习的人脸识别系统模型，提高人脸识别的分类性能。本发明算法的顺利开展将丰富和发展基于约束的字典学习理论体系，为增强字典鉴别性能、提升人脸识别的能力起着重要的指导作用。

公开(公告)号：CN104166860A

公开(公告)日：2014-11-26

申请号：CN201410359737.2

申请日：2014-07-25

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 李争名 ,  徐勇

IPC: G06K9/66

Abstract: 本发明提供了一种基于约束的面向单个测试样本的人脸识别方法，步骤1，对训练样本集合和测试样本进行预处理；步骤2，算法的第一阶段，设计测试样本与训练样本之间的函数关系，利用训练样本线性表示测试样本的方法建立它们间的函数关系，步骤3，设计字典的类标嵌入项，步骤4，算法的第二阶段,利用训练样本集合来学习字典，并且该字典同时也是测试样本的最优表示，步骤5、分类方法：采用线性分类方法对测试样本进行分类。试验结果表明提出的算法具有计算复杂度低，重构性能、鉴别性和紧凑性强的等特点，能进一步提高人脸识别效率。