[發明專利]一種基于多流形核鑒別分析的單樣本人臉識別方法

在審

• 申請號: 201710981606.1
• 申請日: 2017-10-19
• 公開（公告）號: CN107918761A
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 董西偉;楊茂保;王玉偉;堯時茂;董小剛;鄧安遠;鄧長壽
• 申請（專利權）人: 九江學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南昌新天下專利商標代理有限公司36115
• 代理人: 謝德珍

1.一種基于多流形核鑒別分析的單樣本人臉識別方法，其特征在于，假設給定的訓練樣本集為X＝[x₁,...,x_N]，i＝1,...,N，N既表示訓練樣本集中樣本的個數又表示訓練樣本集中樣本的類別數，包括以下步驟：

(1)基于訓練樣本集X和通用訓練樣本集G，使用虛擬樣本生成算法得到擴展的訓練樣本集i＝1,...,N；

(2)將每個訓練樣本劃分為互不重疊的局部塊，使用流形構建算法將擴展的訓練樣本集構建成流形集

(3)基于流形集M，使用多流形核鑒別分析算法為流形集M中的每個流形學習一個投影矩陣，所有的投影矩陣表示為

(4)將測試樣本z劃分為互不重疊的局部塊并使用流形構建算法將其構建為流形M_z；

(5)將測試樣本流形M_z分別向投影矩陣集φ(W)中的每個投影矩陣φ(W_i)投影；將訓練樣本流形集M中的每個流形M_i分別向其對應的投影矩陣φ(W_i)投影；計算投影后的流形M_z到投影后的流形M_i的距離；

(6)根據投影后的測試樣本流形與訓練樣本流形之間的距離，使用最近鄰分類器進行分類。

2.根據權利要求1所述的一種基于多流形核鑒別分析的單樣本人臉識別方法，其特征在于，所述步驟(1)中虛擬樣本生成算法的步驟如下：

(1)分別提取通用訓練樣本集G中J個對象的V種類內變化特征var_jv(j＝1,...,J，v＝1,...,V)。

(2)計算V種不同類型類內變化特征的均值VAR_v(v＝1,...,V)。

(3)將原始訓練樣本集中給定的第i類僅有的單個訓練樣本x_i與VAR_v融合，得到第i類新增的V個虛擬樣本

3.根據權利要求1所述的一種基于多流形核鑒別分析的單樣本人臉識別方法，其特征在于，所述步驟(2)中流形構建算法的步驟如下：

(1)將擴展的訓練樣本集中第i類的第v個樣本轉化為大小為m×n的二維圖像，其中，d＝m×n。

(2)將轉化之后的大小為m×n的二維圖像分割為S＝(m×n)/(a×b)個大小為a×b的局部塊。

(3)把由第i類所有訓練樣本圖像分割得到的每個局部塊轉化為列向量(d_p＝a×b)，然后使每個列向量對應于流形內的一個點構建流形

(4)將擴展的訓練樣本集中N個類別的樣本分別構建流形后，可以得到包含N個流形的流形集

4.根據權利要求1所述的一種基于多流形核鑒別分析的單樣本人臉識別方法，其特征在于，所述步驟(3)中投影矩陣集φ(W)中的N個投影矩陣根據以下模型求解得到：

其中，S為每個流形中互不重疊的局部塊的數量，表示的第p個流形外近鄰樣本，表示的第q個流形內近鄰樣本，(·)^T表示轉置操作，φ:為一種從d_p維空間到無限維再生核希爾伯特空間H的非線性映射；A_ivsp和B_ivsq是兩個關系矩陣中的元素，分別表示與之間的相似性和與之間的相似性；A_ivsp和B_ivsq定義如下：

其中，表示的流形外近鄰樣本集，包含k₁個流形外的近鄰樣本；表示的流形內近鄰樣本集，包含k₂個流形內的近鄰樣本；根據核再生理論，φ(W_i)可以通過流形集M中所有局部塊關于φ的非線性映射的線性組合來表示，即，φ(W_i)＝φ(M)E_i，其中，E_i為系數矩陣；因此，公式(1)的目標函數等價于：

其中，k(·,·)為核函數，例如，高斯核函數等。

5.根據權利要求1所述的一種基于多流形核鑒別分析的單樣本人臉識別方法，其特征在于，所述步驟(5)中基于點到近鄰點之間的距離計算流形到流形距離，具體定義如下：

其中，表示由流形M_i中的局部塊構成并且與流形M_z中局部塊近鄰的局部塊的集合，近鄰集的大小為k₃；可以看出，公式(5)定義的流形之間的距離d(M_z,M_i)就是流形M_z中每個局部塊到流形M_i中k₃個最近鄰局部塊的平均距離。