[發(fā)明專利]一種基于多核集成回歸的人臉識別方法

有效

• 申請?zhí)枺?/td>: 201810812551.6
• 申請日: 2018-07-23
• 公開（公告）號: CN109241827B
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計）人: 沈項軍;倪成功
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 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

1.一種基于多核集成回歸的人臉識別方法,其特征在于，包括以下步驟：

步驟1，獲取人臉數(shù)據(jù)作為樣本集，選擇合適的核函數(shù)作為核函數(shù)庫；

步驟2，根據(jù)選取的核函數(shù)構(gòu)造人臉求解模型；

步驟3，對人臉求解模型進行循環(huán)求解，得到各參數(shù)的值的最優(yōu)解；

步驟4，根據(jù)最優(yōu)解參數(shù)，求得測試人臉的標簽值；

所述人臉求解模型：

其中，c是殘差，L是基回歸器的個數(shù)，α_i是每個訓(xùn)練集權(quán)重，K_i是第i個內(nèi)核Gram矩陣，Y是樣本的真實標簽，w_i是用來控制每個基核回歸模型的權(quán)重，w為由所有w_i構(gòu)成的向量，矩陣H是由所有向量H_i構(gòu)成的矩陣，向量H_i＝K_iα_i+b_i1_N*1，即H＝[H₁,H₂...H_N]，b_i是對于特定K_i的偏移量，γ是控制系數(shù)收縮量的復(fù)雜性參數(shù)，μ、λ_i、η、ξ、τ是拉格朗日系數(shù)，N為樣本數(shù)，||e||₁是對殘差e做非零元素的絕對值求和處理；1_N*1是N*1維的單位向量。

2.根據(jù)權(quán)利要求1所述的一種基于多核集成回歸的人臉識別方法，其特征在于，所述核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)、高斯核函數(shù)。

3.根據(jù)權(quán)利要求1所述的一種基于多核集成回歸的人臉識別方法，其特征在于，所述對人臉求解模型進行循環(huán)得到最優(yōu)解的過程為：

步驟3.1，對參數(shù)α_i、b_i、H_i、e、w、μ、λ、η、ξ、τ賦予的初始值，計算出設(shè)開始時loss_new←0，從而得到loss＝|loss_old-loss_new|；其中，loss_old是更新前歸一化處理的損失值，loss_new是更新后歸一化處理的損失值，loss是損失值之間的差值；

步驟3.2，對參數(shù)α_i、b_i、H_i、e、w、μ、λ、η、ξ、τ進行以下更新；

μ←μ+θ(Y-Hw-e)

λ←λ+θ(H_i-K_iα_i-b_i×1_N*1)

η←η+θ(1-1^Tw)

ξ←ξ+θw

e:

其中，θ為學(xué)習(xí)率，I為單位矩陣；1_L*L是L*L維的單位矩陣；

步驟3.3，根據(jù)更新后的參數(shù)重新計算出從而得到loss＝|loss_new-loss_old|，更新loss_old←loss_new，迭代次數(shù)加1；

步驟3.4，滿足循環(huán)求解的判斷條件時，退出循環(huán)得到最優(yōu)解。

4.根據(jù)權(quán)利要求3所述的一種基于多核集成回歸的人臉識別方法，其特征在于，所述循環(huán)求解的判斷條件是：若更新后計算的loss大于1e-6或者迭代次數(shù)小于500次，將參數(shù)α_i、b_i、H_i、e、w、μ、λ、η、ξ、τ再次進行更新；若更新后計算的loss小于1e-6或者迭代次數(shù)大于500次，則退出循環(huán)。

5.根據(jù)權(quán)利要求4所述的一種基于多核集成回歸的人臉識別方法，其特征在于，根據(jù)得到的最優(yōu)解H_i、w得到標簽值表示為Y_p＝H_iw。