[發明專利]一種監督鄰域保持嵌入人臉識別方法和系統及人臉識別器

有效

• 申請號: 201410087724.4
• 申請日: 2014-03-11
• 公開（公告）號: CN103793704B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 張莉;包興;趙夢夢;楊季文;王邦軍;何書萍;李凡長
• 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: 王寶筠

技術領域

本申請涉及人臉檢測技術領域，更具體地說，涉及一種監督鄰域保持嵌入人臉識別方法和系統及人臉識別器。

背景技術

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術，它由計算機分析人臉圖像，從圖像中提取有效信息并自動鑒別，人臉識別技術廣泛應用于安全系統及人機交互等方面，已成為計算機視覺和模式識別領域中重要的研究課題之一。

通常而言人臉圖像都是以高維數據存儲的，需要將訓練數據集投影到低維空間進行降維。

傳統的降維算法分為線性降維及非線性降維，經典的線性降維算法有主分量分析(PCA)、線性判別分析(LDA)等。線性降維算法通過對訓練樣本的學習得到映射矩陣，再通過線性運算將高維空間的數據映射至低維空間，算法計算復雜度低，適合實時應用。但是，它對非線性分布數據的降維效果不佳。對于非線性分布的數據，我們可以采用流形學習的降維方法。

因此，又出現了鄰域保持嵌入（Neighborhood?Preserving?Embedding，NPE）算法，該方法適用于分布在流形上的數據，已經被成功地應用到人臉識別領域。但是NPE算法在進行線性重構時并沒有對鄰域種類進行判斷，導致識別率降低。

發明內容

有鑒于此，本申請提供一種能夠在進行線性重構時可以對鄰域種類進行判斷，從而提高人臉別率降的方法、系統以及人臉識別器。。

為了實現上述目的，現提出的方案如下：

一種監督鄰域保持嵌入人臉識別方法，所述方法可以包括：

對訓練樣本集進行初始降維，獲得一次降維訓練樣本集和一次降維訓練樣本矩陣；

采用類別散度矩陣對一次降維訓練樣本集中的每個訓練點的類別信息進行標記；

采用二次投影矩陣對一次降維訓練樣本矩陣進行二次降維，得到二次降維訓練樣本矩陣，和二次降維訓練樣本集；

建立測試樣本，對所述測試驗本進行兩次降維，得到二次降維測試樣本；

提取與所述二次降維測試樣本距離最近的二次降維訓練樣本，并把所述二次降維訓練樣本的類別標簽賦予所述二次降維測試樣本。

其特征在于，上述方法中，所述對已有訓練樣本集進行初始降維，獲得一次降維訓練樣本集和一次降維訓練樣本矩陣，包括：

設訓練樣本集為其中d為樣本的維數，n為樣本數據的個數，C為數據的類別數；

訓練樣本矩陣為X=[x₁,x₂,...,x_n]∈R^d×n；

對訓練樣本集進行初始降維，獲得一次降維訓練樣本集和一次降維訓練樣本矩陣X₁=P₁^TX，其中，P₁是由PCA方法生成的投影矩陣，且P₁∈R^d×d1。

優選的，上述方法中，所述采用類別散度矩陣對一次降維訓練樣本集中的每個訓練點的類別信息進行標記，包括：

構建并采用類別散度矩陣H標記每個訓練點的類別信息；

具體的，對于訓練樣本若在所述的k近鄰內且與具有相同的類別標簽，則H_ij=-1；否則H_ij=+1；

具體的，所述H定義為：

優選的，上述方法中，所述二次降維的目標優化函數為：