[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

技術領域

本發明屬于圖像處理和模式識別技術領域，涉及人臉圖像處理和識別方法，可應用于身份辨識和信息安全。

背景技術

隨著社會經濟的迅速發展和科學技術的不斷進步，信息安全得到了人們越來越廣泛的重視。傳統的基于身份標識物如證件、卡片或身份認證碼如用戶名、密碼等身份識別方法由于存在容易丟失、偽造、竊取等缺點已經遠遠不能滿足人們的需求,尋找新的實用可靠且不易偽造的身份認證方法迫在眉睫。人的生物特征由于具有唯一性、穩定性和不易丟失及偽造等特點，已逐漸成為鑒別個人身份的首選方式。人臉識別技術是一種利用計算機分析比較人臉圖像，從中提取有效視覺特征信息來進行身份鑒別的計算機技術。在現有的生物特征識別技術中，人臉識別技術具有操作簡便和易于實現等優勢而得到廣泛采用。

人臉圖像的維數通常較高，不同人臉圖像之間也具有較強的相似性，如果單純利用原始人臉圖像進行身份鑒別，會使人臉識別系統計算量較大而且影響識別效果。為解決此問題，人們通常對高維的人臉圖像進行降維處理，將其壓縮到一個低維的子空間中來進行識別，低維空間中的樣本通常較原始人臉圖像更具鑒別性。主成分分析、獨立成分分析和Fisher判別分析等方法都屬于這類方法。然而，傳統的降維方法通常允許降維后的數據含有負值，而人臉圖像具有非負性，負值在人臉圖像中缺少明確的物理意義。

非負矩陣分解方法可以對人臉圖像進行非負降維，使降維后的人臉數據不存在負值，具有較好可解釋性和明確的物理意義以及占用存儲空間少等優點,已經被成功的應用到人臉識別中。華南師范大學申請的專利“基于非負矩陣分解和多種距離函數的人臉識別方法”（授權公布號CN102592148A，授權公告日為2012.07.18，專利號為201110454407.8），首先利用非負矩陣分解方法得到測試數據的低維表示，然后利用多種距離函數計算測試數據的低維表示與各類訓練圖像集低維表示均值之間對應的相似度，最后根據最近鄰分類方法進行分類。然而，非負矩陣分解是無監督的方法，在降維的過程中無法利用訓練樣本的類標信息來提高樣本低維表示的鑒別性能，從而影響了人臉識別系統的識別率。

發明內容

本發明的目的在于針對上述已有技術的不足，提供一種基于全監督非負矩陣分解的人臉識別方法，以有效利用訓練圖像的類標信息，得到更具鑒別性的低維樣本，從而提高人臉識別方法的識別率。

實現本發明的技術思路是，在訓練模式下，利用全監督非負矩陣分解方法對訓練數據進行分解，得到訓練數據的基矩陣和系數矩陣；在測試模式下，利用訓練模式下獲得的基矩陣對測試數據進行投影，得到測試數據的低維表示，然后利用最近鄰分類器對測試數據的低維表示進行分類，輸出分類結果。其實現步驟包括如下：

(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：