[發明專利]一種基于局部保持非負矩陣分解的增量學習人臉識別方法

有效

• 申請號: 201310301539.6
• 申請日: 2013-07-17
• 公開（公告）號: CN103413117A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 鄭建煒;陳宇;邱虹;蔣一波;王萬良;金亦挺
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.一種基于局部保持非負矩陣分解的增量學習人臉識別方法，其特征在于，包括以下步驟：

a)?人臉圖像的預處理：將每張人臉圖像規范化成一個同一規格的樣本；

b)?初始樣本訓練：運用LPNMF算法計算初始樣本的基矩陣W和系數矩陣H；

c)?增量學習：對新來樣本運用增量的LPNMF算法更新基矩陣和系數矩陣

d)?人臉識別：采用最近鄰分類器進行識別檢測。

2.根據權利要求1所述的人臉識別方法，其特征在于，在所述步驟c)中，對新來樣本運用增量的LPNMF算法更新基矩陣和系數矩陣包括下述六個步驟：

a1?對于新來的樣本，已給出初始樣本訓練矩陣V=[v₁,v₂,…,v_n]，確定更新樣本矩陣為

a2?初始化基矩陣和隨機初始化系數矩陣

a3?設定最大迭代次數t，相互迭代更新和使得

a4?步驟a3中的按如下迭代規則更新：

(W~)ia←(W~)iaα(VHT)ia+β(v~h~T)iaα(W~HHT)ia+β(W~h~h~T)ia]]>

其中α和β是權重系數，α代表初始樣本的比重，β代表新來樣本的比重，取β=1-α；

a5?步驟a3中的不更新前n個樣本所對應的的系數矩陣H，只更新新來樣本所對應的的更新迭代規則如下：

(h~)at+1←P[(h~)at-λt(∂fW~(H~t)∂h~)a]]]>

其中P[zi]=zizi≥00zi<0,]]>λt=φgt(0<φ<1)]]>和g_t是第一個非負整數滿足如下公式：

(1-σ)<▿fW~(H~t),H~t+1-H~t>+12<H~t+1-H~t,▿2fW~(H~t)>≤0]]>

其中0<σ<1和符號<.,.>代表兩個矩陣的點積；

a6?步驟a5中計算如下：

▿fW~(H~)=∂fW~(H~)∂h~=β(W~TW~h~-W~Tv~)+β(2L~h~)]]>

▿2fW~(H~)=∂2fW~(H~)∂2h~=βW~TW~+2βL~]]>

上式中得采用塊優化策略計算，初始化更新規則如下：

其中i從1取到N。N代表樣本分塊的總數，為第i塊的拉普拉斯算子。Sⁱ定義為：

其中Fi={i,i1,...,ini-1,i1,...,ik}]]>代表第i塊索引集。

3.根據權利要求2所述的人臉識別方法，其特征在于，在所述步驟a4、a5中和相互迭代規則為：

(W~)ia←(W~)iaα(VHT)ia+β(v~h~T)iaα(W~HHT)ia+β(W~h~h~T)ia]]>

(h~)at+1←P[(h~)at-λt(∂fW~(H~t)∂h~)a]]]>