[發明專利]一種人臉識別的方法及系統有效
| 申請號： | 201210120265.6 | 申請日： | 2012-04-23 |
| 公開（公告）號： | CN102663370A | 公開（公告）日： | 2012-09-12 |
| 發明（設計）人： | 張莉;夏佩佩;冷亦琴;何書萍;王邦軍;李凡長;楊季文 | 申請（專利權）人： | 蘇州大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京集佳知識產權代理有限公司 11227 | 代理人： | 常亮 |
| 地址： | 215123 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 識別 方法 系統 | ||
1.一種人臉識別的方法，其特征在于，基于支持向量機SVM來學習人臉圖像之間的相似性，包括：
對人臉訓練數據構造相似性學習的原始訓練樣本，并對所述原始訓練樣本進行隨機降維，生成相似性學習訓練集；
將所述相似性學習的訓練集采用支持向量機進行訓練，生成分類器模型；
對人臉測試數據構造相似性學習的原始測試樣本，并對所述原始測試樣本進行隨機降維，生成相似性學習測試集；
根據所述分類器模型對所述相似性學習測試集進行分類，得到所述相似性學習測試集的分類結果，根據所述相似性學習測試集的分類結果按照預設規則統計待測試樣本與所述原始訓練樣本中每一類訓練樣本間的相似性概率，并將所述相似性概率最大值輸出，得到人臉識別結果。
2.根據權利要求1所述的方法，其特征在于，所述對所述原始訓練樣本進行隨機降維，生成相似性學習訓練集具體為：
進行隨機降維后，生成降維后的訓練樣本集，保持降維后的類別標記不變；
對于所述降維后的測試樣本集中的任意兩個樣本，生成兩個不同的二元樣本對，判斷兩個樣本類別是否相同，如果是，則所述新的二元對形式的訓練樣本集的類別值為+1，即正樣本，如果否，則所述新的二元對形式的訓練樣本集的類別值為-1，即負樣本；
對每個樣本用K近鄰的方法找出K個最近的異類點，將所述異類點存儲在集合Xik中，生成相似性學習訓練集。
3.根據權利要求1所述的方法，其特征在于，所述將所述相似性學習的訓練集采用支持向量機進行訓練，生成分類器模型具體為：
選擇所述支持向量機的正則參數和高斯核函數，將所述相似性學習的訓練集輸入所述正則參數和高斯核函數，則得到分類器模型。
4.根據權利要求1所述的方法，其特征在于，所述對所述原始測試樣本進行隨機降維，生成相似性學習測試集具體為：
進行隨機降維后，生成降維后的待測試樣本集，保持降維后的類別標記不變；
對于所述降維后的待測試樣本集中的樣本與所述降維后的訓練集中的每個樣本生成二元樣本對，所述二元樣本對即為所述相似性學習測試集。
5.根據權利要求1所述的方法，其特征在于，所述根據所述相似性學習測試集的分類結果按照預設規則統計待測試樣本與所述原始訓練樣本中每一類訓練樣本間的相似性概率具體為：
將所述相似性學習測試集的每個所述分類結果之和，分別與每一類原始測試樣本的樣本數量取商，將所述取商得到的結果作為待測試樣本與所述原始訓練樣本中每一類訓練樣本間的相似性概率。
6.一種人臉識別的系統，其特征在于，基于支持向量機SVM來學習人臉圖像之間的相似性，包括：
訓練預處理模塊，用于對人臉訓練數據構造相似性學習的原始訓練樣本，并對所述原始訓練樣本進行隨機降維，生成相似性學習訓練集；
訓練模型模塊，用于將所述相似性學習的訓練集采用支持向量機進行訓練，生成分類器模型；
測試預處理模塊，用于對人臉測試數據構造相似性學習的原始測試樣本，并對所述原始測試樣本進行隨機降維，生成相似性學習測試集；
測試模塊，用于根據所述分類器模型對所述相似性學習的測試集進行分類，得到所述相似性學習測試集的分類結果，根據所述相似性學習測試集的分類結果按照預設規則統計待測試樣本與所述原始訓練樣本中每一類訓練樣本間的相似性概率，并將所述相似性概率最大值輸出，得到人臉識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州大學，未經蘇州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201210120265.6/1.html，轉載請聲明來源鉆瓜專利網。
