[發(fā)明專利]基于非負(fù)矩陣分解和多種距離函數(shù)的人臉識(shí)別方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201110454407.8
• 申請(qǐng)日: 2011-12-29
• 公開(kāi)（公告）號(hào): CN102592148A
• 公開(kāi)（公告）日: 2012-07-18
• 發(fā)明（設(shè)計(jì)）人: 薛云;曾青松;蔣亞軍;鄒雁;魏燕達(dá);伍銀波;胡曉暉
• 申請(qǐng)（專利權(quán)）人: 華南師范大學(xué);廣州番禺職業(yè)技術(shù)學(xué)院;廣東科學(xué)技術(shù)職業(yè)學(xué)院
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 江裕強(qiáng)

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理和模式識(shí)別技術(shù)的應(yīng)用領(lǐng)域，具體涉及一種基于非負(fù)矩陣分解(NMF)和多種距離函數(shù)的圖像識(shí)別方法。

背景技術(shù)

在人臉識(shí)別領(lǐng)域，目前有很多方法，這些方法大致可以分為兩大類：非監(jiān)督的的識(shí)別方法和有監(jiān)督的識(shí)別方法。非監(jiān)督的的識(shí)別方法事先對(duì)分類過(guò)程不施加任何的先驗(yàn)知識(shí)，而僅憑待分類樣本提取出的特征，建立決策規(guī)則來(lái)進(jìn)行分類，主要包括主成分分析(PCA)，非負(fù)矩陣分解(NMF)。

主成分分析(PCA)的基本方法如下：

先設(shè)X＝{X_n∈R^d|n＝|1，...，N}為一組向量即數(shù)據(jù)集。

然后，針對(duì)數(shù)據(jù)集計(jì)算對(duì)應(yīng)的平均向量EX和協(xié)方差矩陣M。

EX=1NΣn=1NXn,]]>

X^={X^n,n=1,...,N}withX^n=Xn-EX,]]>

M=cov(X^),withM(i,j)=1N-1Σn=1N(X^n(i)X^n(j)),1≤i,j≤d.]]>

接下來(lái)是計(jì)算矩陣M的特征值和特征向量。根據(jù)矩陣?yán)碚?，協(xié)方差矩陣M是正定的，所以擁有非負(fù)特征值，對(duì)應(yīng)的特征向量集可以構(gòu)成一個(gè)完備的線性正交空間。

最后，對(duì)前述步驟計(jì)算出的特征值從大到小進(jìn)行排序，并選擇最大的k個(gè)特征值以及對(duì)應(yīng)的特征向量，再計(jì)算集合X中全部向量對(duì)這些特征向量的投影系數(shù)，并以此作為原有的這些高維向量降維之后的特征向量。在人臉圖像的識(shí)別中，識(shí)別是通過(guò)比較學(xué)習(xí)圖像和測(cè)試圖像在主成分分析之后相應(yīng)的特征向量之間相似度。