[發(fā)明專利]基于協(xié)作模糊均值鑒別分析的多姿態(tài)人臉識別方法

有效

• 申請?zhí)枺?/td>: 201710416856.0
• 申請日: 2017-06-06
• 公開（公告）號: CN107220627B
• 公開（公告）日: 2020-04-21
• 發(fā)明（設計）人: 黃璞
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 徐瑩

1.基于協(xié)作模糊均值鑒別分析的多姿態(tài)人臉識別方法，其特征在于，包括如下步驟：

步驟1、獲取包括若干個不同類的多姿態(tài)人臉圖像訓練樣本集，對訓練樣本集中的每個訓練樣本和待識別樣本均進行歸一化并利用PCA進行降維處理；

步驟2、利用所得降維后訓練樣本的協(xié)作表示系數(shù)計算每個訓練樣本的類隸屬度，具體為：

對于步驟1中獲得的每個訓練樣本x_i(i＝1,2,...,n)，將其協(xié)作表示成訓練集中其它樣本的線性組合，而組合系數(shù)通過求解下列L₂范數(shù)問題獲得：

其中w_i＝[w_i,1,...,w_i,i-1,0,w_i,i+1,...,w_i,n]^T∈Rⁿ表示訓練樣本x_i的重構系數(shù)向量，w_ij(i≠j)表示x_j對重構x_i的貢獻度，λ＞0表示調(diào)節(jié)參數(shù)，w_i由下列計算式獲得：

w_i＝(X_i^TX_i+λ·I)^-1X_i^Tx_i

其中X_i＝[x₁,...,x_i-1,0,x_i+1,...,x_n]^T；

由每個訓練樣本的協(xié)作表示系數(shù)得到樣本的類隸屬度為：

其中，u_ci表示訓練樣本x_i對于第c類的隸屬度，所述c＝1,2,...,C，且C表示訓練樣本集的類數(shù)；l_i為訓練樣本x_i的類別標簽，表示第c類訓練樣本重構x_i的貢獻度之和，表示全體訓練樣本重構x_i的貢獻度之和；

步驟3、利用所得訓練樣本的類隸屬度計算模糊類均值；

步驟4、根據(jù)訓練樣本與模糊類均值之間的距離計算訓練樣本的模糊類內(nèi)散度與模糊類間散度；

步驟5、通過最大化訓練樣本的模糊類間散度與模糊類內(nèi)散度的比值求取投影矩陣，并利用投影矩陣提取訓練樣本和待識別樣本的特征；

步驟6、根據(jù)最近鄰分類器判斷和確定待識別樣本的類標。

2.根據(jù)權利要求1所述基于協(xié)作模糊均值鑒別分析的多姿態(tài)人臉識別方法，其特征在于：所述步驟3計算模糊類均值采用公式：

其中，m_fc表示第c類訓練樣本的模糊類均值，所述c＝1,2,...,C，且C表示訓練樣本集的類數(shù)；u_ci表示訓練樣本x_i對于第c類的隸屬度。

3.根據(jù)權利要求1所述基于協(xié)作模糊均值鑒別分析的多姿態(tài)人臉識別方法，其特征在于：所述步驟6判斷待識別樣本的類標，具體為：

如果||y_test-y_k||＝min_i||y_test-y_i||，則label(y_test)＝label(y_k)；

其中，y_test為待識別樣本，y_k、y_i分別表示第k個和第i個訓練樣本所提取出的特征。