[0010] 基于半监督多视图字典学习的彩色人脸识别方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性,充分利用各个彩色分量之间互补的色彩差异信息;并且,该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练,充分利用所有训练样本信息。与CE2-LC-KSVD2方法相比,可以有效提高识别效果。
[0011] 在Face Recognition Grand Challenge(FRGC)version 2Experiment 4彩色人脸数据库(P.J.Phillips,P.J.Flynn,T.Scruggs,K.Bowyer,J.Chang,K.Hoffman,J.Marques,J.Min,W.Worek,“Overview of the Face Recognition Grand Challenge”,IEEE Conf.Computer Vision and Pattern Recognition,vol.1,pp.947-954,2005)上做仿真实验,证明基于半监督多视图字典学习的彩色人脸识别方法的有效性。
[0012] 技术方案如下:
[0013] 对一个彩色人脸图像训练样本集X,令n表示所有彩色人脸图像训练样本的个数,nl表示所有有类别标记的彩色人脸图像训练样本的个数,nu表示所有无类别标记的彩色人脸图像训练样本的个数,c表示有类别标记的彩色人脸图像训练样本的类别数,nk表示第k类彩色图像训练样本的个数, XR∈Rd×n、XG∈Rd×n、XB∈Rd×n分别表示R、G、B彩色分量训练样本集, 分别表示有类别标记的R、G、B彩色分量训练样本集, 分别表示无类别标记的R、G、B彩色分量训练样
本集, 表示Xil中第k类的样本,d表示彩色分量训练样本维数。对于一个
待识别样本y,令yR∈Rd、yG∈Rd、yB∈Rd分别表示该样本的R、G、B彩色分量。
[0014] 基于半监督多视图字典学习的彩色人脸识别方法步骤如下所示:
[0015] 第一步,基于半监督多视图字典学习的彩色人脸识别方法的目标函数定义如下:
[0016]
[0017] 其中,Di(i=R,G,B)表示对应Xi的字典,Ai表示使用字典Di重构Xi的稀疏编码系数,Aip表示使用字典Di重构Xip的稀疏编码系数,Aiu表示使用字典Di重构Xiu的稀疏编码系数,λ是一个权重系数,0表示一个零矩阵,
[0018]
[0019] Diq表示字典Di中对应第q类的子字典,Aipq表示使用子字典Diq重构Xip的稀疏编码系数。
[0020] 第二步,公式(1)的求解涉及到字典和稀疏编码系数两组变量求解,可以采用两组变量依次更新的方式进行迭代求解:
[0021] 步骤2-1,初始化DR,DG,DB。
[0022] 步骤2-2,根据公式(1)求解AR,AG,AB,令
[0023] 步骤2-3,根据公式(1)更新DR,DG,DB。
[0024] 步骤2-4,根据公式(1)更新AR,AG,AB,令如果J1-J2>ε,ε>0是一个阈值,转向步骤2-3;否则,迭代结束。
[0025] 第三步,得到字典DR,DG,DB之后,按照下面的公式计算yR,yG,yB的稀疏编码系数βR,βG,βB
[0026]
[0027] 令βiq表示βi中对应子字典Diq的稀疏编码系数,计算
[0028]
[0029] 根据
[0030]
[0031] 可以判定待识别样本y的类别。
[0032] 有益效果
[0033] 本发明采用以上技术方案与现有技术相比,具有以下有益效果:
[0034] 本发明提供基于半监督多视图字典学习的彩色人脸识别方法,将多视图学习技术应用于半监督彩色人脸图像的字典学习。在训练阶段,该方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性,充分利用各个彩色分量之间互补的色彩差异信息;并且该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练,充分利用所有训练样本信息。在分类测试阶段,该方法累计各个彩色分量用对应每一类训练样本的字典去重构测试样本的重构误差,最后将测试样本归为累计重构误差最小的那一类。本发明识别效果更高,通过半监督多视图字典学习,彩色人脸识别能力得到了明显增强。