买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利联合耦合表示和同类重构的多分辨率小样本人脸识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115830667B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211229932.4，技术领域涉及：G06V40/16；该发明授权联合耦合表示和同类重构的多分辨率小样本人脸识别方法是由樊肖锦;祝烈煌设计研发完成，并于2022-10-08向国家知识产权局提交的专利申请。

本联合耦合表示和同类重构的多分辨率小样本人脸识别方法在说明书摘要公布了：本发明涉及联合耦合表示和同类重构的多分辨率小样本人脸识别方法，属于计算机生物特征识别领域。本方法包括字典学习和识别两个阶段。在字典学习阶段，引入一种分析字典，并与合成字典一起使用，能够更加全面地揭示编码系数与样本之间的关系，同时，设计了相干增强项来改善编码系数在不同分辨率下的相干表示。在字典学习过程中，采用分数范数去除冗余信息带来的副作用。此外，为每个分辨率的图像分配不同的编码系数。在识别阶段，采用字典表示残差法确定测试样本的类别。本发明能够更全面地揭示编码系数和样本之间的关系，改进了不同分辨率下编码系数的相干表示，消除了冗余信息带来的影响。

本发明授权联合耦合表示和同类重构的多分辨率小样本人脸识别方法在权利要求书中公布了：1.联合耦合表示和同类重构的多分辨率小样本人脸识别方法，包括字典学习阶段和识别阶段，其特征在于： 步骤1：字典学习阶段，包括以下步骤： 步骤1.1：对样本进行多分辨率处理，得到K个分辨率下的训练样本集Y： 其中，Yi表示第i个分辨率下的训练样本集，表示维度符号，d表示每个样本的维数，KN表示Y中样本的数目； 步骤1.2：根据训练样本集Y，构建字典学习模型： 其中，D表示字典，X表示编码系数矩阵；表示重构项，F表示Frobenius范数；||X||0表示X的l0范数； 将式2改为： 其中，表示第i个分辨率下的训练集，d为每个样本的维数，N为Yi中包含的样本个数；α表示项的系数；Di表示第i个分辨率下的字典，Xi表示Yi在Di上的编码系数； 进一步地，Yi写成其中，表示Yi中的第l个样本；Yi涵盖了所有类别中第i个分辨率的样本，总共有C个类别的样本，C是类别数目； 设要学习的字典为D，其中，表示第i个分辨率下的字典，表示Di中第j个原子； 设的编码系数，其中，为样本的编码系数； 引入分析字典V，使用分析字典来构造耦合关系项，具体如下： 其中，表示分析字典，vil表示中第l个原子；μ表示系数；T表示矩阵转置； 在分析字典中，使用分数范数l2,p去除字典中的冗余，0＜p＜1，具体如下： 其中，τ表示系数； 在词典学习过程中，引入相干增强项，具体如下： 其中，β表示系数；Pij表示为： 其中，使用松弛的l1范数代替l0范数，式6改写为： 在式8中加入能量项： 其中，表示Di中的第j个原子； 进一步引入辅助变量： 则对应于式10的增广拉格朗日函数Γ如下: 其中，是拉格朗日乘子，λ是惩罚参数，Bi是Xi的等效变量； 采用改变一个变量、固定其余变量的策略，对模型中需要求解的变量依次进行优化； 步骤2：识别阶段； 当得到不同分辨率下的字典和表示系数后，利用字典和表示系数，对样本进行识别； 步骤3：根据步骤1和步骤2，完成多分辨率小样本人脸识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。