国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于鄰域保持的鑒別嵌入人臉識(shí)別方法

      文檔序號(hào):8259539閱讀:206來(lái)源:國(guó)知局
      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
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1