[发明专利]基于子空间分解进行深度特征估计的图像分类识别方法

权利要求书

1.一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，包括：

步骤S1：获取训练集的无遮挡图像和额外图像对，

步骤S2：对于输入的每张图像提取深度特征向量，

步骤S3：计算额外图像对中遮挡图像和无遮挡图像的深度特征向量之差得到误差向量，

步骤S4：将计算的所有无遮挡图像的深度特征向量组成第一子空间，误差向量组成第二子空间，并基于第一子空间和第二子空间构成级联字典，

步骤S5：基于级联字典计算系数矩阵，

步骤S6：基于第一子空间的所有列向量训练分类器，

步骤S7：基于级联字典、系数矩阵和分类器对待识别图像进行分类识别；

所述系数矩阵具体为：

P＝(D^TD+λI)^-1D^T

其中：P为系数矩阵，D为级联字典，I为单位矩阵，λ为一个为正的超参数；

所述步骤S6具体包括：

步骤S61：输入待识别图像，

步骤S62：提取待识别图像的深度特征向量，

步骤S63：标准化待识别图像的深度特征向量得到其平方范数，

步骤S64：确定得到叠加向量，

步骤S65：基于叠加向量处理待识别图像的深度特征向量，

步骤S66：将处理后的深度特征向量正则化，并利用分类器进行分类识别。

2.根据权利要求1所述的一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，所述深度特征向量具体使用预训练好的用于分类任务的卷积神经网络提取。

3.根据权利要求1所述的一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，所述步骤S5具体包括：

步骤S51：把级联字典中所有列向量标准化得到平方范数；

步骤S52：基于级联字典计算系数矩阵。

4.根据权利要求1所述的一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，计算叠加向量的数学表达式为：

其中：为叠加向量，为与类别字典相关的分解系数，为与遮挡误差字典相关的分解系数。

5.根据权利要求1所述的一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，计算叠加向量的数学表达式为：

其中：为叠加向量，v_i为待识别图像的深度特征向量，P为系数矩阵。

6.根据权利要求1所述的一种基于子空间分解进行深度特征估计的图像分类识别方法，其特征在于，所述处理后的深度特征向量为：

其中：为处理后的深度特征向量，A为类别字典，α为分解系数矩阵。