1.一种低秩稀疏空间子空间聚类方法，其特征在于：包括如下步骤：步骤1，计算机视觉领域中，作为时间函数的视频数据具有序列结构，对于序列数据的子空间聚类问题，假设这类数据在时间或空间的特定点以均匀的间隔采样，设定目标函数作为优化问题；

步骤1中，所述目标函数为：

s.t.X＝XZ+E

第一项是用最小二乘法测量误差E，即 相当于假设误差来自标准高斯分布，其余三项是对系数矩阵Z的约束，包括低秩稀疏光滑邻域目标，其中低秩性由||Z||*控制，稀疏度由||Z||1控制，平滑度由||ZR||2，1控制，参数λ1、λ2和λ3决定正则化的强度；

步骤2，使用交替方向乘子器ADMM方法解决目标函数优化问题；首先引入两个辅助项，并得到辅助项的增广拉格朗日方程，通过固定变量，分别交替优化求解辅助项以解决优化问题；

步骤3，在解决上述优化问题后，得到数据矩阵的低秩稀疏表示系数矩阵Z，使用表示系数矩阵构造亲和图，利用谱聚类算法对亲和图进行分割，得到最终聚类结果，实现从视频序列中分割单个场景，以及从一组人脸图像中分割或聚类到不同的个体；

T

所述步骤3中，具体为建立一个加权图Graph＝(v，ε，W)，其中W＝|Z|+|Z| ，然后将谱聚类应用于亲和图，得到最终的聚类结果。

2.根据权利要求1所述的一种低秩稀疏空间子空间聚类方法，其特征在于：目标函数中，||ZR||2，1作为一个惩罚项来控制近邻样本数据的相似性。

3.根据权利要求1所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，为进一步分离变量Z的项，引入两个辅助项S＝Z＝Z1＝Z2和U＝SR，然后得到引入两个辅助项的增广拉格朗日方程如下：通过固定其他变量，分别交替优化求解Z1，Z2，S和U。

4.根据权利要求3所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，固定变量Z2，S和U，通过求解下列优化问题得到变量Z1；

经过变换，该优化问题写成如下形式：

T

定义软阈值操作符πβ(X)＝(|X|‑β)+sgn(X)和奇异值软阈值操作符Πβ(X)＝Uπβ(Σ)V，T其中，U∑V是矩阵A的skinnySVD分解；

最终得Z1的更新规则为：

5.根据权利要求3所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，固定变量Z1，S和U，通过求解下列优化问题得到变量Z2；

经过变换，该优化问题写成如下形式：

最终得Z2的更新规则为：

6.根据权利要求3所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，固定变量Z1，Z2和U，通过求解下列优化问题得到变量S；

将上述目标函数关于S的导数设为零，得到：T T T T T

(XX+(r1+r2)I)s+r3SRR＝XX+r3UR+r1Z1+r2Z2+G+E+FR将线性矩阵方程矢量化为如下形式：

其中 表示张量积。

7.根据权利要求3所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，固定变量Z1，Z2和S，通过求解下列优化问题得到变量U；

经过变换，该优化问题写成如下形式：

令 则上述优化问题有闭式解，表示如下：其中，U(：，i)和M(：，i)分别是U和M的第i行。

8.根据权利要求3所述的一种低秩稀疏空间子空间聚类方法，其特征在于：步骤2中，变量G更新规则：old

G＝G +r1(Z1‑S)

变量E更新规则：

old

E＝E +r2(Z2‑S)

变量F更新规则：

old

F＝F +r3(U‑SR)

参数r1，r2，r3更新规则如下：