[發明專利]一種基于增量式受限非負矩陣分解的人臉識別方法

有效

• 申請號: 201910249451.1
• 申請日: 2019-03-29
• 公開（公告）號: CN109993111B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 蔡競
• 申請（專利權）人: 浙江警察學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州知見專利代理有限公司 33295
• 代理人: 盧金元

1.一種基于增量式受限非負矩陣分解的人臉識別方法，其特征在于，包括以下步驟：

A、對初始訓練樣本和新增訓練樣本進行預處理，初始訓練樣本矩陣為V_k，初始輔助矩陣為Z_k，初始受限矩陣為A_k，初始基矩陣為W_k，k為初始訓練樣本個數；

B、初始化基矩陣W_k+1←W_k，判斷新增訓練樣本是否攜帶標簽信息，如果帶標簽信息，則跳轉到步驟C；如果不帶標簽信息則跳轉到步驟F；

C、新增訓練樣本為帶有第x類標簽，新增輔助向量為將矩陣V_k、Z_k及A_k按下述規則分塊：

V_k＝[V_P,V^x,V_Q]；Z_k＝[Z_P,z^x,Z_Q]；

V^x為V_k中所有被標記為第x類的訓練樣本，V_P為V^x之前的訓練樣本，V_Q為V^x之后的訓練樣本，Z_P為與V_P對應的輔助矩陣，z^x為V^x對應的輔助矩陣，Z_Q為V_Q對應的輔助矩陣，A_P為V_P對應的受限矩陣，A^x為V^x對應的受限矩陣，A_Q為V_Q對應的受限矩陣；

D、初始化新增輔助向量按以下規則更新和W_k+1，直至滿足收斂條件：

為所有被標記為第x類的訓練樣本連同一起組成的矩陣，為對應的輔助矩陣，為對應的受限矩陣；其中i＝1,2,…n，j＝1,2,…,r；n為樣本初始維數，r為降維后樣本維數；

E、將矩陣重新組合，得到新增訓練樣本后的輔助矩陣Z_k+1和受限矩陣A_k+1：

然后跳轉到步驟H；

F、新增訓練樣本為v_new，其對應的新增輔助向量為z_new，隨機初始化z_new，按以下規則更新z_new和W_k+1，直至滿足收斂條件

其中i＝1,2,…,n，j＝1,2,…,r，n為樣本初始維數，r為降維后樣本維數；

G、將矩陣重新組合，得到新增訓練樣本后的輔助矩陣Z_k+1和受限矩陣A_k+1：

Z_k+1＝[Z_k,z_new]；

進入步驟H；

H、更新系數矩陣H_k+1＝Z_k+1A_k+1；

I、利用W_k+1對待識別人臉圖像數據集V_D進行特征提取，即H_D＝W_k+1^-1V_D，并采用最近鄰分類器計算H_D與H_k+1中各樣本間的歐式距離實現對V_D的人臉識別。

2.根據權利要求1所述的一種基于增量式受限非負矩陣分解的人臉識別方法，其特征在于，所述預處理為將人臉圖像規范化至相同分辨率。

3.根據權利要求1或2所述的一種基于增量式受限非負矩陣分解的人臉識別方法，其特征在于，所述基矩陣、輔助矩陣和受限矩陣通過受限非負矩陣分解算法得到。