买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于协同表示分类与动态匹配的遮挡人脸识别方法，属于图像处理技术领域。首先利用基于协同表示的分类方法在所有训练样本上对被测样本进行协作表示，筛选出表示误差最小的若干类人脸构造候选人脸集合。通过判断最小的两个表示误差的差值来决定是否进行后续的动态匹配步骤。动态匹配阶段需要预先对被测人脸图像和候选人脸集合中的所有人脸图像进行分块处理，构造被测人脸序列与候选人脸序列集合，并提取一阶差分特征。找到被测人脸与每类候选人脸的最优匹配路径和匹配成本。最后找到使得匹配成本最小的那一个类作为最终的分类结果。本发明可有效降低遮挡对识别的影响，提高识别率和识别速度。

主权项：1.一种基于协同表示分类与动态匹配的遮挡人脸识别方法，其特征在于：该方法包括以下步骤：步骤一、对所有的训练样本进行特征提取，得到一个由特征向量组成的特征矩阵；对该特征矩阵的每一列进行归一化处理，并将每一列转换为单位向量，得到训练字典A＝[A1,A2,…Ak,…,AK]，其中Ak为第k类人脸，即第k个人，所有人脸图像的特征向量的并集；步骤二、利用CRC方法在训练字典A上对被测图像y进行协作编码：其中稀疏编码系数，ε为正则化参数；上式推导为令P＝ATA+εK-1AT，则计算映射矩阵，当被测图像y出现时，通过Py将y投影到σ上，从而求解出稀疏编码系数步骤三、计算每类人脸的表示误差：步骤四、选取表示误差最小的I类人脸作为候选人脸，然后按照残差由小到大的顺序将这I类人脸构造成一个候选人脸集合C＝{c1,c2,…,ci…,cI}；步骤五、通过判断表示误差的大小进行初步分类：若γ为阈值，则判定被测人脸的类别与c1一致，输出分类结果且不再执行后续步骤；若则进入步骤六；步骤六、对被测人脸y和候选人脸集合C中的图像进行分块处理并提取一阶差分特征：将y分割为M块，被测人脸的一阶差分特征为y＝{y1,y2,…,yM}；假设候选人脸集合中每类人脸均有K张样本图像，将每张人脸图像分割为N块，则第i个候选人脸的第k张图像的一阶差分特征为第i类候选人脸所有样本图像的一阶差分特征为步骤七、利用DICW在时间序列{1,2,…,t,…,T}上对被测样本的图像块序列和候选人脸集合中的所有样本的图像块序列进行动态匹配，寻找使得匹配成本最小的类作为最终的分类结果：其中为被测人脸与ci类人脸的匹配距离，Dst为根据t时刻的匹配路径得到的局部匹配距离。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于协同表示分类与动态匹配的遮挡人脸识别方法