1.一种基于多核字典学习的彩色人脸识别方法，包括以下步骤：步骤1，获得各彩色分量训练样本集，为每一个彩色分量样本集选择最优的核函数；

步骤2，定义目标函数，对目标函数求解，得到每一个彩色分量训练样本集的字典、特征提取系数矩阵和非线性鉴别特征集；

步骤3，获得待识别样本，根据上述训练样本特征集，得出待识别样本的非线性特征，使用字典对待识别样本的非线性特征进行稀疏编码，并根据重构误差进行分类和识别；

步骤1中按照下面的核函数选择准则为第i个彩色分量样本集(i＝R,G,B)选择最优的核函数式中， 和 分别表示第i个彩色分量样本集的类间散布和类内散布，定义如下：式中，c表示彩色人脸图像训练样本集中训练样本的类别数，n表示彩色人脸图像训练样本集中所有训练样本的个数，np和nr分别表示彩色人脸图像训练样本集中第p类和第r类训练样本的个数；令XR∈Rd×n、XG∈Rd×n、XB∈Rd×n分别表示彩色人脸图像训练样本集中R、G、B三个彩色分量样本集，d表示彩色分量样本维数， 表示Xi中第p类的第q个样本，表示Xi中第p类的第s个样本， 表示Xi中第r类的第s个样本；φi:Rd→Hi表示一个核映射，它将彩色人脸图像训练样本的第i个彩色分量样本从原始d维的线性空间Rd映射到一个非线性高维核空间Hi，ki表示核映射φi对应的核函数；

选择好 之后，令 表示多核学习中对应核函数 的多

核组合系数， 表示用于非线性鉴别特征提取的核映射后第i个彩色分量样本集φi(Xi)的投影变换矩阵，hi表示高维核空间Hi的维数，m＜min{hR,hG,hB}表示提取的特征数；令表示φi(Xi)的非线性鉴别特征，则 令 得根据核重构理论，核空间Hi(i＝R,G,B)中的投影变换Ui用所有核映射后的训练样本线性表示，即Ui＝φi(Xi)Vi，其中Vi∈Rn×m是一个系数矩阵，则式中Ki∈Rn×n表示Xi的核矩阵，Ki中第p行第q列的元素 和 分别表示Xi中的第p个和第q个样本。

2.根据权利要求1所述的彩色人脸识别方法，其特征在于，步骤2中定义目标函数如下：式中，Di表示对应 的字典，Ai表示使用字典Di重构 的稀疏编码系数， 表示 中第p类的样本特征，Aip表示使用字典Di重构 的稀疏编码系数，0表示一个零矩阵，Diq表示字典Di中对应第q类的子字典，Aipq表示使用子字典Diq重构 的稀疏编码系数；

公式(5)的求解涉及到特征提取系数矩阵、字典和稀疏编码系数三组变量求解，按照下面的算法通过三组变量依次更新的方式进行迭代求解：步骤2-1，初始化VR,VG,VB和DR,DG,DB；

步骤2-2，根据公式(5)求解AR,AG,AB，令

步骤2-3，根据公式(5)更新DR,DG,DB；

步骤2-4，根据公式(5)更新VR,VG,VB；

步骤2-5，根据公式(5)更新AR,AG,AB，令 如果J1-J2≥ε，ε＞0是一个比较小的阈值，转向步骤2-3；否则，算法结束；

求得特征提取系数矩阵VR,VG,VB和字典DR,DG,DB之后，得到训练样本的非线性鉴别特征如下：

3.根据权利要求1所述的彩色人脸识别方法，其特征在于，步骤3中对于一个待识别样本y，其非线性鉴别特征按照如下的方式进行计算：式中，yR∈Rd、yG∈Rd、yB∈Rd分别表示y的R、G、B三个彩色分量， i＝R,G,B，表示yi的核矩阵， 中第p行的元素按照下面的公式使用字典DR,DG,DB对待识别样本的非线性特征 进行稀疏编码，得到稀疏编码系数βR,βG,βB：按照下面的公式计算重构误差eq(q＝1,2,…,c)：

式中，βiq表示βi中对应子字典Diq的稀疏编码系数，根据判定待识别样本y的类别。