公开(公告)号：CN109063555B

公开(公告)日：2021-07-02

申请号：CN201810667478.8

申请日：2018-06-26

Applicant: 杭州电子科技大学

Inventor： 付晓峰 ,  张予 ,  付晓鹃 ,  吴卿 ,  徐岗 ,  李建军 ,  杨易平

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开一种基于低秩特征和稀疏表示比较分类的多姿态人脸识别方法。本发明首先通过对偶低秩分解方法对输入人脸图片进行降维分解优化，得到去除了姿态结构的第一型低秩特征；其次结构化不相关的低秩分解，通过增广拉格朗日乘子法ALM进行交替迭代求解获得第二型低秩特征；最后基于稀疏表示的残差对比分类：如果两种特征分类结果相同，则分类标签保持不变，若分类标签不相同时，则构建残差率对比模型，比较两种特征经过稀疏表示后的次最小残差与最小残差的差与最小残差的比值。选择两种特征中残差率较高的分类结果作为最终的分类类别。本发明使用的低秩分解方法和稀疏表示残差对比模型能够有效去除姿态结构对识别效果造成的干扰。

公开(公告)号：CN109063555A

公开(公告)日：2018-12-21

申请号：CN201810667478.8

申请日：2018-06-26

Applicant: 杭州电子科技大学

Inventor： 付晓峰 ,  张予 ,  付晓鹃 ,  吴卿 ,  徐岗 ,  李建军 ,  杨易平

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00288 ,  G06K9/00268 ,  G06K9/46 ,  G06K9/6234 ,  G06K9/629 ,  G06K2009/4695

Abstract: 本发明公开一种基于低秩特征和稀疏表示比较分类的多姿态人脸识别方法。本发明首先通过对偶低秩分解方法对输入人脸图片进行降维分解优化，得到去除了姿态结构的第一型低秩特征；其次结构化不相关的低秩分解，通过增广拉格朗日乘子法ALM进行交替迭代求解获得第二型低秩特征；最后基于稀疏表示的残差对比分类：如果两种特征分类结果相同，则分类标签保持不变，若分类标签不相同时，则构建残差率对比模型，比较两种特征经过稀疏表示后的次最小残差与最小残差的差与最小残差的比值。选择两种特征中残差率较高的分类结果作为最终的分类类别。本发明使用的低秩分解方法和稀疏表示残差对比模型能够有效去除姿态结构对识别效果造成的干扰。