[發明專利]一種基于支持向量機的人臉識別方法及系統

有效

• 申請號: 201310210372.2
• 申請日: 2013-05-30
• 公開（公告）號: CN103279746A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 張莉;夏佩佩;丁春濤;王邦軍;李凡長;何書萍;楊季文
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種基于支持向量機的人臉識別方法，其特征在于，包括：

獲取人臉樣本訓練集的步驟：所述人臉樣本訓練集中包含有多個類別的人臉樣本集合，每個類別的人臉樣本集合中包含多個人臉樣本；

選取同類樣本和異類樣本的步驟：對于所述人臉樣本訓練集中的每一個人臉樣本，隨機選取k個與該人臉樣本屬于同一個類別的人臉樣本作為同類樣本，隨機選取k個與該人臉樣本屬于不同類別的人臉樣本作為異類樣本；

生成差樣本對集合的步驟：根據所述同類樣本和所述異類樣本生成差樣本對集合；所述差樣本對集合中，對于所述人臉樣本訓練集中的每一個人臉樣本，均有2k個同類差樣本對，以及2k個異類差樣本對；

生成分類模型的步驟：對于所述差樣本對集合，采用支持向量機訓練得到相似性判斷模型，根據所述相似性判斷模型得到分類模型；

人臉識別的步驟：采用所述分類模型進行人臉識別。

2.根據權利要求1所述的方法，其特征在于，所述采用支持向量機訓練得到相似性判斷模型，包括：

采用核函數為高斯徑向基函數的支持向量機訓練得到所述相似性判斷模型。

3.根據權利要求1所述的方法，其特征在于，所述生成差樣本對集合之前，還包括：

對所述人臉樣本訓練集中的各個樣本進行隨機降維，各個樣本降維后的維數相同；

采用降維后的人臉樣本生成差樣本對集合；

相應的，采用所述分類模型進行人臉識別時，包括：

對待識別人臉樣本進行隨機降維，降維后的所述待識別人臉樣本的維數與降維后的人臉樣本的維數相同。

4.根據權利要求1所述的方法，其特征在于，所述采用所述分類模型進行人臉識別，包括：

獲取待識別人臉樣本；

分別從所述人臉訓練集每一類別的樣本集合中隨機選取k個人臉樣本，生成2k個待識別差樣本對，得到待識別差樣本對集合；

利用所述分類模型對所述待識別差樣本對集合進行分析，得到所述待識別人臉樣本與所述人臉訓練集中每一類的相似性概率；

根據所述相似性概率，確定所述待識別人臉樣本歸屬的類別。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

重復執行選取同類樣本和異類樣本的步驟和生成差樣本對集合的步驟，得到多個相似性判斷模型，根據所述多個相似性判斷模型得到分類模型；

相應的，所述利用所述分類模型對所述待識別差樣本對集合進行分析，包括：

利用所述多個相似性判斷模型對所述待識別差樣本對集合進行分析，得到多個所述待識別人臉樣本與所述人臉訓練集中每一類的相似性概率；

對多個所述相似性概率求平均值，得到平均相似性概率；

所述確定所述待識別人臉樣本歸屬的類別，包括：

將平均相似性概率最大的類別，確定為所述待識別人臉樣本歸屬的類別。

6.一種基于支持向量機的人臉識別系統，其特征在于，包括：

訓練集獲取模塊，用于獲取人臉樣本訓練集；所述人臉樣本訓練集中包含有多個類別的人臉樣本集合，每個類別的人臉樣本集合中包含多個人臉樣本；

樣本選取模塊，用于執行選取同類樣本和異類樣本的步驟：對于所述人臉樣本訓練集中的每一個人臉樣本，隨機選取k個與該人臉樣本屬于同一個類別的人臉樣本作為同類樣本，隨機選取k個與該人臉樣本屬于不同類別的人臉樣本作為異類樣本；

差樣本對集合生成模塊，用于執行生成差樣本對集合的步驟：根據所述同類樣本和所述異類樣本生成差樣本對集合；所述差樣本對集合中，對于所述人臉樣本訓練集中的每一個人臉樣本，均有2k個同類差樣本對，以及2k個異類差樣本對；

分類模型生成模塊，用于對于所述差樣本對集合，采用支持向量機訓練得到相似性判斷模型，根據所述相似性判斷模型得到分類模型；

人臉識別模塊，用于采用所述分類模型進行人臉識別。

7.根據權利要求6所述的系統，其特征在于，所述分類模型生成模塊，包括：

相似性判斷模型生成單元，用于采用核函數為高斯徑向基函數的支持向量機訓練得到所述相似性判斷模型。