[發明專利]基于全監督非負矩陣分解的人臉識別方法

有效

• 申請號: 201310284658.5
• 申請日: 2013-07-05
• 公開（公告）號: CN103366182A
• 公開（公告）日: 2013-10-23
• 發明（設計）人: 高新波;王笛;王秀美;李潔;王穎;鄧成;王斌;韓冰;田春娜
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于全監督非負矩陣分解的人臉識別方法，包括如下步驟：

(1)將訓練圖像數據集表示為非負矩陣X；

(2)對非負矩陣X進行全監督非負矩陣分解，得到對應的基矩陣U：

2a)根據訓練圖像數據集的類標信息s_ij，構造約束矩陣S＝[s_ij]_N×N，

其中，i,j＝1,2,...,N，N為訓練圖像的個數，x_i和x_j分別代表第i個人和第j個人的人臉圖像，δ為小于1的正數，設置為0.01；

2b)構造全監督非負矩陣分解的目標函數G：

G=||X-UVT||F2+α2Σ(UTU)ij+β2tr(VTSV),]]>

其中，U＝[u₁,u₂,...,u_K]代表全監督非負矩陣分解的基矩陣，V＝[v₁,v₂,...,v_N]^T代表全監督非負矩陣分解的系數矩陣，K為全監督非負矩陣分解的低維表示維數,||?||_F代表矩陣的F范數，tr()代表矩陣的跡，α和β均為正數，分別為正交約束項Σ(U^TU)_ij和約束信息保持項tr(V^TSV)的權重大??；

2c)將基矩陣U和系數矩陣V中的所有元素的值初始化為（0,1）之間的隨機數；

2d)設定全監督非負矩陣分解的目標函數G的最小值、低維表示維數K值、正交約束項權重大小α的值以及約束信息保持項權重大小β的值；

2e)設定最大迭代次數I，利用迭代更新基矩陣U中元素u_ik，利用迭代更新系數矩陣V中元素v_jk，其中i＝1,2,...,M，j＝1,2,...,N，k＝1,2,...,K，M為圖像數據像素個數，D為一個對角矩陣，其對角元素為Dii=Σj=1Nsij,]]>i＝1,2,...,N；

2f)每次迭代完成后計算目標函數G的值，重復迭代直到目標函數值G小于設定的最小值或者迭代次數達到最大迭代次數I，得到更新后的基矩陣U′和更新后的系數矩陣V′；

(3)將測試圖像數據集表示為非負矩陣T；

(4)利用更新后的基矩陣U′對測試圖像數據集的非負矩陣T進行投影，得到測試數據的投影系數H；

(5)將更新后的系數矩陣V′和訓練圖像數據集的類標信息s_ij做為訓練數據，將測試數據集的投影系數H做為測試數據，然后利用最近鄰分類器根據測試數據和訓練數據之間的歐式距離對測試數據進行分類，輸出分類結果。