公开(公告)号：CN115830667A

公开(公告)日：2023-03-21

申请号：CN202211229932.4

申请日：2022-10-08

Applicant: 北京理工大学

Inventor： 樊肖锦 ,  祝烈煌

IPC: G06V40/16 ,  G06V10/772

Abstract: 本发明涉及联合耦合表示和同类重构的多分辨率小样本人脸识别方法，属于计算机生物特征识别领域。本方法包括字典学习和识别两个阶段。在字典学习阶段，引入一种分析字典，并与合成字典一起使用，能够更加全面地揭示编码系数与样本之间的关系，同时，设计了相干增强项来改善编码系数在不同分辨率下的相干表示。在字典学习过程中，采用分数范数去除冗余信息带来的副作用。此外，为每个分辨率的图像分配不同的编码系数。在识别阶段，采用字典表示残差法确定测试样本的类别。本发明能够更全面地揭示编码系数和样本之间的关系，改进了不同分辨率下编码系数的相干表示，消除了冗余信息带来的影响。

公开(公告)号：CN114332986B

公开(公告)日：2023-03-24

申请号：CN202111485173.3

申请日：2021-12-07

Applicant: 北京理工大学

Inventor： 樊肖锦 ,  祝烈煌

IPC: G06V40/16 ,  G06V10/774

Abstract: 本发明涉及一种基于子空间学习的小样本人脸识别方法，属于人脸识别技术领域。本方法针对小样本人脸识别，提出了基于标签释放和贡献度区分的子空间学习方法，通过对系数矩阵进行加权，对重要的数据点赋予更高的权重，以便子空间学习中重构的样本更加准确，从而学习到更好的变换矩阵或子空间。特别是利用标签释放、线性回归、对角非零约束来学习一个子空间，使得映射空间的同类样本差异减小、异类样本差异增，进而有利于分类准确识别。

公开(公告)号：CN115641630A

公开(公告)日：2023-01-24

申请号：CN202211196489.5

申请日：2022-09-29

Applicant: 北京理工大学

Inventor： 樊肖锦 ,  祝烈煌

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/30

Abstract: 本发明涉及一种基于超图和多任务协同的小样本多姿态人脸识别方法，属于人工智能人脸识别技术领域。本发明利用超图和非负矩阵分解来获得近似于正面图像的图像，设计了一种基于超图去偏转的多姿态人脸识别框架。该框架首先对无姿态偏转图像进行分离。在此基础上，提出一种基于改进的支持向量描述的特征编码方法，提取无姿态偏转图像的特征，并与基于字典学习的分类器进行联合优化，用于特征提取和特征分类。特征编码方法利用改进的支持向量数据描述和三角编码，使提取的特征更具鉴别性。同时，建立了一种有效的特征提取和特征分类优化模型，易于得到更接近全局最优的解，提高了识别性能。

公开(公告)号：CN114332986A

公开(公告)日：2022-04-12

申请号：CN202111485173.3

申请日：2021-12-07

Applicant: 北京理工大学

Inventor： 樊肖锦 ,  祝烈煌

IPC: G06V40/16 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明涉及一种基于子空间学习的小样本人脸识别方法，属于人脸识别技术领域。本方法针对小样本人脸识别，提出了基于标签释放和贡献度区分的子空间学习方法，通过对系数矩阵进行加权，对重要的数据点赋予更高的权重，以便子空间学习中重构的样本更加准确，从而学习到更好的变换矩阵或子空间。特别是利用标签释放、线性回归、对角非零约束来学习一个子空间，使得映射空间的同类样本差异减小、异类样本差异增，进而有利于分类准确识别。