公开(公告)号：CN110069978B

公开(公告)日：2021-04-13

申请号：CN201910160098.X

申请日：2019-03-04

Applicant: 杭州电子科技大学

Inventor： 罗宵晗 ,  叶学义 ,  王鹏 ,  陈泽 ,  陈华华

IPC: G06K9/00

Abstract: 本发明公开了一种非凸低秩分解和叠加线性稀疏表示的人脸识别方法。本发明步骤如下：1、根据低秩矩阵分解理论，将γ范数取代核范数用于低秩矩阵分解，并引入结构不相干判别项，形成判别性非凸低秩分解；2、对判别性非凸低秩分解进行求解，把人脸样本矩阵分解为低秩矩阵和稀疏矩阵；3、将低秩矩阵通过叠加线性表示分解为原型字典和变异字典，然后把两个字典通过线性加权联合作为测试时用的字典；4、利用稀疏表示算法，运用同伦法求得l1范数的稀疏系数，通过重构最小化稀疏残差模型对人脸图片进行分类识别，将待测试人脸样本归为误差最小的一类中，从而实现人脸识别。本发明在遮挡和噪声污染情况下，能保持较好鲁棒性和高效性。

公开(公告)号：CN110069978A

公开(公告)日：2019-07-30

申请号：CN201910160098.X

申请日：2019-03-04

Applicant: 杭州电子科技大学

Inventor： 罗宵晗 ,  叶学义 ,  王鹏 ,  陈泽 ,  陈华华

IPC: G06K9/00

Abstract: 本发明公开了一种非凸低秩分解和叠加线性稀疏表示的人脸识别方法。本发明步骤如下：1、根据低秩矩阵分解理论，将γ范数取代核范数用于低秩矩阵分解，并引入结构不相干判别项，形成判别性非凸低秩分解；2、对判别性非凸低秩分解进行求解，把人脸样本矩阵分解为低秩矩阵和稀疏矩阵；3、将低秩矩阵通过叠加线性表示分解为原型字典和变异字典，然后把两个字典通过线性加权联合作为测试时用的字典；4、利用稀疏表示算法，运用同伦法求得l1范数的稀疏系数，通过重构最小化稀疏残差模型对人脸图片进行分类识别，将待测试人脸样本归为误差最小的一类中，从而实现人脸识别。本发明在遮挡和噪声污染情况下，能保持较好鲁棒性和高效性。