(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211337265.1 (22)申请日 2022.10.28 (71)申请人 江苏海洋大学 地址 222005 江苏省连云港市高新区苍梧 路59号 (72)发明人 张键　秦鑫　薄丽玲　张恒　 李宏然　肖禹辰　费蓉　臧奇颜　 (74)专利代理 机构 北京和联顺知识产权代理有 限公司 1 1621 专利代理师 黄伟锐 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) (54)发明名称 一种小样本鲁棒人脸识别的子空间交叉表 示方法 (57)摘要 本发明公开了一种小样本鲁棒人脸识别的 子空间交叉表 示方法， 基于不同环 境下采集人脸 图像矩阵A和B组成的各样 本对， 分别计算其对应 矩阵秩rA和rB， 执行奇异值分解得到子空间生成 器DA和DB， 应用子空间生成器对个图像矩阵A和B 进行交叉表 示， 结合预设核范数模 型求解计算稀 疏系数αAB和αBA， 最后应用相似度量公式计算 得到人脸图像矩阵组相似度sim(A,B)， 如此在少 量样本人脸识别的实际应用中， 生成完整的描述 单个子空间的基， 从而获取到足够的个体样本来 减少表示误差， 并提高的提高了小样本矩阵回归 性能和人脸识别准确率， 降低算法的复杂度。 权利要求书2页 说明书3页 附图4页 CN 115527261 A 2022.12.27 CN 115527261 A 1.一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在于： 包括按如下步骤A至 步骤E， 获得不同人脸图像矩阵对的相似度； 步骤A.输入不同环境下采集人脸图像矩阵A和B组成的各样本对； 步骤B.分别计算 步骤A的人脸图像矩阵所对应矩阵秩rA和rB； 步骤C.分别对步骤A的人脸图像矩阵执 行奇异值分解得到 子空间生成器DA和DB； 步骤D.应用步骤C的子空间生成器对个步骤A的图像矩阵进行交叉表示； 步骤E.结合预设核范 数模型对 稀疏系数αAB和 αBA进行求解计算； 步骤F.应用相似度量公式计算得到人脸图像矩阵组相似度sim(A,B)。 2.根据权利要求1所述的一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在 于： 所述步骤C中的奇异值分解的主要功能为： 将一个m*n的图像矩阵A分解为一个m*m 的左 奇异矩阵U， 一个n*n的右奇异 矩阵V， 以及一个对角阵Σ， 其计算公式为： 其中σi代表A矩阵的正奇异值， rA代表求解 矩阵秩， 3.根据权利要求1所述的一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在 于： 所述步骤C中子空间生成器DA和DB的计算公式为： 其中A可以表示为Ai(i＝1,2,...,rA)的线性组合， 即A∈L(DA)， B可以表示为Bi(i＝1, 2,...,rB)的线性组合， 即B∈L(DB)。 4.根据权利要求1所述的一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在 于： 所述步骤D中所述交叉表示模型的计算公式为： fD(x)＝x1D1+x2D2+,...,+xnDn 其中 表示稀疏表示系数， EAB为表示残差， 定义线性映射系数 向量为x＝(x1,x2,...,xn)T∈Rn， D＝[D1,D2,...,Dn]。 5.根据权利要求1所述的一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在权　利　要　求　书 1/2 页 2 CN 115527261 A 2于： 所述步骤D中所述预设核范 数模型的计算公式为： 其中， 与稀疏系数αAB的计算过程相似也可以计算出另一图像矩阵B的稀疏系数αBA。 6.根据权利要求1所述的一种小样本鲁棒人脸识别的子空间交叉表示方法， 其特征在 于： 所述步骤E中所述相似度量公式为： 其中||αAB||0和||αBA||0分别表示稀疏系数αAB和 αBA的非零元 素的数量。权　利　要　求　书 2/2 页 3 CN 115527261 A 3