·222· 智能系统学报 第16卷 流程图如图3所示。 测试数据 训练数据 辅助数据 扩充干扰字典算法 (a)图片原图 混合特色字典算法 低秩字典算法 字典D 字典D 字典D 字典D, 分类器 (b)图片低秩分量 图2原图及低秩分量 标签 数据流程序流 Fig.2 Original graph and low rank components 2)保证字典D,固定，更新稀疏编码P;更新 图3算法流程 Fig.3 Algorithm flowchart X时，目标函数转化为 (P )arg min(E,-D,Pl+2yPl) 稀疏综合字典学习的小样本人脸识别算法总 体实现步骤如下： 3)以章节2.1.2为例，固定稀疏编码P,更新 输入训练样本A,辅助数据C,测试数据 字典Dpo Y,参数1,2。 4)重复2)和3)，直到前后两次的函数的值满 输出分类标签。 足判断条件为止。 1)利用训练数据A构造数据集A,算法1习 低秩字典优化算法总体实现步骤如下： 得扩充干扰字典D6; 输入训练样本E,规范化参数y: 2)利用训练数据A及算法2习得混合特色字 输出字典和稀疏系数P,及相应的标签。 典D,Dc; 1)初始化字典D: 3)利用辅助数据C及算法3习得混合特色字 2)固定字典D,更新稀疏编码P: 3)固定稀疏编码P,更新字典D; 典Dpi 4)利用式(8)、(9)得到样本标签。 4)重复2)和3)，直到前后两次的函数的值满 足判断条件为止。 3实验结果及分析 2.4分类策略 本文提出全局分类策略如下： 3.1实验平台和参数设置 本文实验环境为64位Window10操作系统， arg min y-[De.D.Do.I 内存32GB,Intel(R)Xeon(R)CPUE5-2620v4@ e 1红心 2.10GHz,并用MatlabR2016b软件编程实现。 实验选取AR人脸数据库、YaleB人脸数据 测试样本y的重构误差为 库、LFW人脸数据库进行实验，多次实验取平均 y-ID.D.D.D. 值。图像都经过标准化处理，比较算法包括 (8) SRC、FDDL、CRC、ESRC、SVGDL和CSICVDL、 SCSDL、FDDLLCSRC、LKCFDDL 于是y的标签为 3.2AR数据库实验 identify(y)=arg minle, (9) 本文在AR人脸数据库上设计两个实验方 2.5本文整体算法步骤及流程 案，实验1随机选取100人，每人26张图片分为 稀疏综合字典学习的小样本人脸识别算法分 5个集合，训练集合选取两张标准人脸，其余按特 为3个子算法，利用训练数据A、辅助数据C构造 点分为4个集合，作为不同的测试集。如图4所 扩充干扰字典、混合特色字典、低秩字典。算法 示，集合S1为样本内所有表情变化图片；集合S2(a) 图片原图 (b) 图片低秩分量 图 2 原图及低秩分量 Fig. 2 Original graph and low rank components Dp P X 2) 保证字典 固定，更新稀疏编码 ；更新 时，目标函数转化为 Q(Pi) = argmin Pi { Ei − DpPi 2 F +2γ∥Pi∥1 } P Dp 3) 以章节 2.1.2 为例，固定稀疏编码 ，更新 字典 。 4) 重复 2) 和 3)，直到前后两次的函数的值满 足判断条件为止。 低秩字典优化算法总体实现步骤如下： 输入 训练样本 E ，规范化参数 γ ； 输出 字典和稀疏系数 P ，及相应的标签。 1) 初始化字典 Dp； 2) 固定字典 Dp，更新稀疏编码 P ； 3) 固定稀疏编码 P ，更新字典 Dp； 4) 重复 2) 和 3)，直到前后两次的函数的值满 足判断条件为止。 2.4 分类策略 本文提出全局分类策略如下：   xˆ1 xˆ2 xˆ3 xˆ4   = argmin x1,x2,x3,x4    y− [ Dc , D, Db, Dp ]   x1 x2 x3 x4   2 2 +λ1 x1 x2 x3 x4 1    测试样本 y 的重构误差为 ei = y− [ Dc , D, Db, Dp ]   xˆ1 xˆ2 xˆ3 xˆ4   2 2 (8) 于是 y 的标签为 identify(y) = argmin i {ei} (9) 2.5 本文整体算法步骤及流程 A C 稀疏综合字典学习的小样本人脸识别算法分 为 3 个子算法，利用训练数据 、辅助数据 构造 扩充干扰字典、混合特色字典、低秩字典。算法 流程图如图 3 所示。 训练数据 字典 D， 字典 Dc , 字典 Db 扩充干扰字典算法 混合特色字典算法 测试数据 辅助数据 低秩字典算法 字典 Dp 分类器 标签 数据流 程序流 图 3 算法流程 Fig. 3 Algorithm flowchart 稀疏综合字典学习的小样本人脸识别算法总 体实现步骤如下： A C Y λ1, λ2 输入 训练样本 ，辅助数据 ，测试数据 ，参数 。 输出 分类标签。 A A ′ Db 1) 利用训练数据 构造数据集 ，算法 1 习 得扩充干扰字典 ； A D, Dc 2) 利用训练数据 及算法 2 习得混合特色字 典 ； C Dp 3) 利用辅助数据 及算法 3 习得混合特色字 典 ； 4) 利用式 (8)、(9) 得到样本标签。 3 实验结果及分析 3.1 实验平台和参数设置 本文实验环境为 64 位 Window 10 操作系统， 内存 32 GB，Intel(R) Xeon(R) CPU E5-2 620 v4 @ 2.10 GHz，并用 MatlabR2016b 软件编程实现。 实验选取 AR 人脸数据库、YaleB 人脸数据 库、LFW 人脸数据库进行实验，多次实验取平均 值。图像都经过标准化处理，比较算法包 括 SRC、FDDL、CRC、ESRC、SVGDL 和 CSICVDL、 SCSDL、FDDLLCSRC、LKCFDDL。 3.2 AR 数据库实验 S 1 S 2 本文在 AR 人脸数据库上设计两个实验方 案，实验 1 随机选取 100 人，每人 26 张图片分为 5 个集合，训练集合选取两张标准人脸，其余按特 点分为 4 个集合，作为不同的测试集。如图 4 所 示，集合 为样本内所有表情变化图片；集合 ·222· 智 能 系 统 学 报 第 16 卷