[发明专利]基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法

摘要

本发明公开了一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，包括以下步骤首先，对人脸图像进行块和子块两级划分，假设同一块内的不同子块是属于同一个类别的不同样本，从而解决许多子空间学习方法和稀疏表示方法在单样本情况下无法工作或性能下降的问题；然后对人脸图像的每个块进行识别，利用投票的方法获得该人脸的类别概率分布；接下来利用一个多阶段的类别筛选结构，通过熵最小化的思想迭代地剔除掉不相关类别，从而取得理想的人脸识别分类效果。本发明对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，从而为单样本人脸识别问题提供了一种简单有效的解决方案。

主权项

一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：步骤1.首先用固定大小的正方形块对所有单训练样本和测试样本的图像进行分块，块中心对应图像中的每一个像素点；接着在每一块内部以重叠的方式继续划分出不同的子块，提出人脸图像的每一个块内的不同子块，看成是属于同一个类别的不同样本的合理假设；步骤2.基于上述假设，使用同一块内的不同子块作为样本，利用传统的学习方法，对图像的每一块单独进行分类，根据投票结果求出该测试图像的类别概率分布；步骤3.利用步骤2得到的属于每类的概率分布,根据熵最小化原则进行类别筛选，剔除掉概率为0或较低的类别，完成一次筛选过程；步骤4.对测试图像迭代进行步骤2和步骤3所述的类别分类和筛选过程，直到满足停止条件，从而输出该测试图像最终的分类结果。