一种基于奇异值分解的鲁棒人脸识别方法

摘要

本发明涉及人脸识别技术领域，公开一种基于奇异值分解的鲁棒人脸识别方法，包括步骤如下：1、对由灰度图像组成的训练样本矩阵中的每列进行归一化；2、对每类训练样本分别进行奇异值分解；3、提取左奇异矩阵中的前列作为一个投影矩阵；4、利用测试样本和上一步中得到的投影矩阵计算出编码向量；5、计算出相应的残差，最小残差所对应的类别即为测试样本的类别，作为识别结果输出。本发明是在基于稀疏表示的分类方法和基于协同表示的分类方法基础上结合了奇异值分解，利用奇异值分解得到编码向量，代替原来的稀疏表示或者协同表示，不仅使识别精度得到提升，更解决了稀疏表示“计算代价昂贵”和协同表示“对噪声等干扰的鲁棒性差”等问题。