一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于鄰域保持的鑒別嵌入人臉識(shí)別 方法。
【背景技術(shù)】
[0002] 人臉識(shí)別的研宄對(duì)于圖象處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)等領(lǐng)域 的發(fā)展具有巨大的推動(dòng)作用，同時(shí)在生物特征認(rèn)證，視頻監(jiān)控和安全等各個(gè)領(lǐng)域有著廣 泛的應(yīng)用。過(guò)去的幾十年中發(fā)展出眾多的人臉識(shí)別算法 [1，2]，其中子空間方法，如主成分 分析（Principal Component Analysis, PCA) [3'4]，鑒別成分分析（Linear Discriminant Analysis，LDA)[5]等受到廣泛的研宄。Wang等人[6]提出了統(tǒng)一的人臉識(shí)別子空間模型并指 出主成分分析和貝葉斯分析實(shí)際上是LDA的中間結(jié)果。
[0003] 基于Fisher準(zhǔn)則，LDA方法的優(yōu)化目標(biāo)函數(shù)如下：
[0004]
【主權(quán)項(xiàng)】
1. 一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，其特征在于：包括以下步驟： 51 :利用Gabor小波變換獲得圖像局部區(qū)域內(nèi)多個(gè)方向的空間頻率（尺度）和局部性 結(jié)構(gòu)特征，在2D形式中，Gabor濾波器定義為一個(gè)用高斯函數(shù)約束的平面波，其公式為：
利用上面定義的Gabor函數(shù)和圖像的卷積求得Gabor小波變換， 52 :去除訓(xùn)練樣本集離散度矩陣&的零空間，通過(guò)采用主成分分析算法PCA對(duì)訓(xùn)練樣 本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣， 53 :在一次降維訓(xùn)練樣本集中計(jì)算類內(nèi)離散度矩陣5"的零空間N(SW)，5"的零空間 N(SW)中類內(nèi)離散度矩陣的跡（或者行列式）為零， S4:然后在零空間N(SW)中通過(guò)最大化加權(quán)的類間離散度矩陣的跡（或行列式）P(SB) 得到增強(qiáng)身份差分量的（子空間）對(duì)應(yīng)投影矩陣，公式為：N(SW)nP(SB)， S5 :Gabor小波變換和投影矩陣進(jìn)行矩陣運(yùn)算，得到降維后的一組向量來(lái)表示輸入的 人臉圖圖像。
2. 根據(jù)權(quán)利要求1所述的一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，其特征在于： 所述S2步驟中，計(jì)算一般類內(nèi)離散度矩陣5"的零空間N(Sw)的具體步驟為：通過(guò)對(duì)一般類 內(nèi)離散度矩陣Sw?行奇異值分解，得到零特征值對(duì)應(yīng)的特征向量組所組成的S"的零空間 N(Sw)，記為Q=h，…，qk]。
3. 根據(jù)權(quán)利要求1所述的一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，其特征在于： 所述步驟S2中是采用局部線性嵌入算法LLE來(lái)計(jì)算類內(nèi)離散度矩陣Sw，具體包括以下步 驟：
不同類的節(jié)點(diǎn)之間的權(quán)重a 0,同類節(jié)點(diǎn)之間的權(quán)值和
相應(yīng)的公式（2) 可以轉(zhuǎn)變?yōu)椋?br>其中P是線性投影矩陣，X= [Xl，x2, . . .，xn]是原始的數(shù)據(jù)矩陣，y是投影后的數(shù)據(jù)，A是權(quán)重矩陣，W=X(I-A)T(I-A)XT是類內(nèi)度量矩陣，tr(_)表示求跡運(yùn)算。
4. 根據(jù)權(quán)利要求1所述的一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，其特征在于： 步驟S3中，通過(guò)求前t個(gè)最大的特征值對(duì)應(yīng)的特征向量，即為所求的t個(gè)投影 向量，t個(gè)投影向量構(gòu)成對(duì)應(yīng)投影矩陣。
5.根據(jù)權(quán)利要求4所述的一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，其特征在于： 步驟S3中，具體計(jì)算過(guò)程如下： 加權(quán)的類間離散度矩陣SB定義為公式（5):
其中dMz| |y|代表第i類和第j類的均值距離，w( ?)是一個(gè)單調(diào)遞減函 數(shù)， 因此，
（6)基于零空間的 基于鄰域保持的鑒別嵌入方法的公式為：
其中，Q是W的零特征值對(duì)應(yīng)的特征向量。
【專利摘要】本發(fā)明涉及人臉識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法，包括S1：去除訓(xùn)練樣集離散度矩陣ST的零空間，通過(guò)采用主成分分析算法PCA對(duì)訓(xùn)練樣集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣集和一次降維訓(xùn)練樣矩陣，S2：在一次降維訓(xùn)練樣集中計(jì)算類內(nèi)離散度矩陣SW的零空間N(SW)，SW的零空間N(SW)中類內(nèi)離散度矩陣的跡(或者行列式)為零，S3：然后在零空間N(SW)中通過(guò)最大化加權(quán)的類間離散度矩陣的跡(或行列式)P(SB)得到增強(qiáng)身份差分量的(子空間)對(duì)應(yīng)投影矩陣，公式為：N(SW)∩P(SB)。發(fā)明能夠減輕人臉圖像中的光照變化和表情等因素對(duì)鑒別信息提取的影響。
【IPC分類】G06K9-66, G06K9-00
【公開(kāi)號(hào)】CN104573672
【申請(qǐng)?zhí)枴緾N201510044884
【發(fā)明人】朱順痣, 陳思, 李鐵軍
【申請(qǐng)人】廈門理工學(xué)院
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年1月29日