[發明專利]一種基于雙向壓縮數據空間維度縮減的人臉識別方法和裝置

在審

• 申請號: 201410190389.0
• 申請日: 2014-05-07
• 公開（公告）號: CN103942545A
• 公開（公告）日: 2014-07-23
• 發明（設計）人: 支瑞聰;趙鐳;史波林;汪厚銀
• 申請（專利權）人: 中國標準化研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于雙向壓縮數據空間維度縮減的人臉識別裝置，包括：?

預處理單元，接收輸入的原始人臉圖像，其中該原始人臉圖像是只包含人臉面部信息的二維表情圖像，預處理單元對輸入的二維人臉圖像進行尺度歸一化、灰度歸一化預處理，獲得規范化的二維圖像矩陣，將該二維圖像矩陣輸入到模糊矩陣構建單元；?

模糊矩陣構建單元，采用歐氏距離模糊判定法計算每個圖像樣本歸屬于不同被試者的隸屬度，并依據模糊隸屬度構建模糊權重矩陣；?

函數優化單元，利用懲罰因子制約投影后特征子空間中不同人臉樣本之間的離散關系，并同時約束相同人圖像樣本之間的近鄰關系及不同人圖像樣本之間的離散關系，采用廣義特征值分解方法求目標函數最優解，得到最優函數所對應的特征向量；?

特征提取單元，利用特征向量分別從圖像矩陣行方向和列方向對原始人臉圖像進行線性映射，從而壓縮圖像數據維數，構建雙向空間維數縮減的面部特征空間；?

模式分類單元，將已知圖像樣本提取后的面部特征作為訓練數據，未知圖像樣本的面部特征作為測試數據，同時輸入模式分類單元進行類別歸屬判斷，輸出人臉類別決策結果。?

2.根據權利要求1所述的基于雙向壓縮數據空間維度縮減的人臉識別裝置，其特征在于該裝置直接對二維圖像矩陣進行信息挖掘處理，不需要將圖像數據拉伸成一維數據向量，避免了維數過高帶來的計算復雜度高，也消除了矩陣分解中的奇異值問題。?

3.根據權利要求1所述的基于雙向壓縮數據空間維度縮減的人臉識別裝置，其特征在于模糊矩陣構建單元采用歐氏距離模糊判定法計算隸屬度，具體包括：利用圖像樣本A_i和A_j之間的歐氏距離dis(A_i,A_j)＝||A_i-A_j||₂計算樣本之間的相似度，并采用模糊判定法計算第j個樣本歸屬于類別i的程度，若樣本j歸屬于類別i，則μ_ij＝0.51+0.49(n_ij/k)；若樣本j不歸屬于類別i，則μi_j＝0.49(n_ij/k)，根據歐氏距離判定法得到的隸屬度構建模糊權重矩陣，樣本j和樣本k之間的權重系數表示為則(樣本k屬于類別i)。?

4.根據權利要求1所述的基于雙向壓縮數據空間維度縮減的人臉識別裝置，其特征在于函數優化單元采用懲罰機制對投影后歸屬于不同人圖像樣本之間的關聯性進行制約，懲罰因子由兩兩人臉類別均值矩陣之間的權重系數組成，即W_ij＝exp(-||F_i-F_j||²/t)，相應的對角線矩陣為E，對角線元素為

5.根據權利要求1所述的基于雙向壓縮數據空間維度縮減的人臉識別裝置，其特征在于函數優化單元同時約束類內近鄰關系和類間離散關系，采用廣義特征值分解方法求解目標函數的?最優解，分別求解行方向降維的最優函數FQ的前d個最小特征值，對應的特征向量組成映射矩陣Q＝[q₁,q₂,…,q_d]；以及列方向降維的最優函數?的前q個最小特征值，對應的特征向量組成映射矩陣U＝[u₁,u₂,…,u_q]。?

6.根據權利要求1所述的基于雙向壓縮數據空間維度縮減的人臉識別裝置，其特征在于特征提取單元將預處理后的原始圖像樣本，分別通過行方向和列方向進行線性變換，A_i→P_i＝U^TA_iQ，投影后的特征向量用于輸入模式分類單元應用于模式決策。?