[發明專利]一種兩維線性鑒別分析的人臉識別方法

有效

• 申請號: 201610023803.8
• 申請日: 2016-01-14
• 公開（公告）號: CN105631433B
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 武小紅;杜輝;王雪;武斌;孫俊;傅海軍
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了生物模式識別領域中的一種兩維線性鑒別分析的人臉識別方法，針對選取的訓練樣本矩陣計算出親和矩陣元素，根據親和矩陣元素計算出類內散度矩陣和類間散度矩陣，根據類內散度矩陣和類間散度矩陣計算出類內散度矩陣的逆與類間散度矩陣乘積的矩陣的特征值以及特征向量，并求出投影矩陣；利用投影矩陣將訓練樣本矩陣投影到投影空間得到投影后矩陣：采用最近鄰分類器對投影后矩陣與測試樣本進行分類處理，計算出識別率；本發明融合了兩維線性判別分析以及兩維局部保持投影方法的優點，不僅可以將原始數據有效降維，還可以保留數據的局部特性，避免了樣本數據在拉伸為一維數據時破壞其原有的二維結構，具有高識別率和高效率。

技術領域

本發明涉及生物模式識別領域，具體涉及一種人臉識別技術。

背景技術

隨著計算機科學和生物醫學技術的發展，利用人體生物特征來進行身份識別已成為一種重要方式。人臉識別技術作為生物識別技術的重要組成部分，已成為人們日常生活中最常用的身份識別手段，其不僅具有一般生物識別技術所具有的普遍性、安全性、唯一性、穩定性以及可采集性，同時具有不需目標配合，可遠距離執行以及直觀對比的優點。因此，人臉識別技術在信息安全、刑事偵破、出入口監察等領域具有廣泛應用。

現有的人臉識別方法包括有：主成分分析方法(PCA)、線性判別分析方法(LDA)、基于核的特征提取方法、局部保持投影方法(LPP)、廣義奇異值分解方法(GSVD)、線性鑒別分析方法等。其中線性判別分析(LDA)利用Fisher準則可實現最大化類間距離同時最小化類內距離，從而得到最優的投影方向，產生最好的分類結果，因而是一種經典的人臉識別方法。局部保持投影方法(LPP)具有有效保持數據局部特征的特點，可以使在原始空間中的局部特征經投影后仍能保持，可以很好的處理多模態數據，因此也被廣泛使用。線性鑒別分析方法結合了線性判別分析方法(LDA)和局部保持投影方法(LPP)的特點，保持了原始數據的局部特征的同時，也可以令投影后的不同類別樣本可分離。但由于該線性鑒別分析方法使用的是一維樣本，也就是要把二維人臉圖像矩陣拉伸為一維數據，這種方法會破壞原有人臉的二維結構，并且拉伸后的一維向量維數一般很高(一般可達上萬維)，這樣就增加了計算的復雜度，同時降低了識別率。

發明內容

本發明的目的是為解決現有線性鑒別分析方法存在的問題，提出一種兩維線性鑒別分析的人臉識別方法，能直接在兩維人臉數據上進行計算處理，不會破壞人臉數據結構，簡化了計算過程且提高人臉識別率。

本發明一種兩維線性鑒別分析的人臉識別方法采用的技術方案是包括以下步驟：

A、選取訓練樣本矩陣A和測試樣本，針對選取的訓練樣本矩陣A計算出親和矩陣元素S_ij，

B、根據親和矩陣元素S_ij計算出類內散度矩陣S_w和類間散度矩陣S_b，

C根據類內散度矩陣S_w和類間散度矩陣S_b計算出類內散度矩陣S_w的逆與類間散度矩陣S_b乘積的矩陣的特征值λ以及特征向量α，并求出投影矩陣X；

D、利用投影矩陣X將訓練樣本矩陣A投影到投影空間，得到投影后矩陣Y：

E、采用最近鄰分類器對投影后矩陣Y與測試樣本進行分類處理，計算出識別率。