[發明專利]基于雙向插值增強的2DPCA人臉圖像識別方法

在審

• 申請號: 201910389944.5
• 申請日: 2019-05-10
• 公開（公告）號: CN110097022A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 文成林;牛冰川
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T3/40
• 代理公司: 杭州千克知識產權代理有限公司 33246
• 代理人: 周希良

本發明涉及一種基于雙向插值增強的2DPCA人臉圖像識別方法，本發明先把把ORL人臉庫分為訓練樣本和測試樣本；然后分別用PCA方法、2DPCA方法、(2D)²PCA方法對訓練樣本提取特征值和特征向量。再使用插值的方法對所提取的特征向量進行插值。最后采用范數距離方法和支持向量機方法進行識別。本發明通過在高價值的特征向量之間插入新的向量，以期望提高特征信息的顯示度，在不增加更大計算復雜度的前提下來提高了圖像的識別精度。

技術領域

本發明屬于圖像處理領域，涉及一種基于雙向插值增強的2DPCA人臉圖像識別方法。

背景技術

人臉識別是模式識別領域內的一個活躍的研究問題，在快速發展的智能信息時代，人臉識別的作用越來越大。人臉識別的方法有很多種，主成分分析(PCA)是提取特征臉的主要方法之一。

PCA算法提取的各主成分之間相互正交，可消除原始數據成分間的相互影響，且思想簡單，易于在計算機上實現。但是它需要將圖像矩陣轉化為一維向量，導致協方差矩陣維數過大，計算量太大，并且沒有利用人臉圖像的對稱性。

接著2DPCA被提出來，與PCA方法基于一維向量不同，2DPCA利用原始圖像矩陣直接構造協方差矩陣，并提取出主要特征向量，大大提高了識別效率。盡管2DPCA比PCA具有更高的識別精度，但2DPCA的一個重要問題是它需要比PCA更多的系數來表示圖像。2DPCA基本上是在圖像的列方向上工作的，行方向上的維數沒有減少，復雜度仍然很高，因此推廣了同時考慮行和列方向的2DPCA，即(2D)²PCA。雖然行和列方向上的同時壓縮，提高了識別速度，但精度有不同程度的降低。分析表明，一方面是由于信息壓縮過大導致，另一方面，行與行之間、列與列之間都是正交的，沒有冗余，使得很難表示出投影特征向量的最大投影方向。

發明內容

本發明的目的針對現有技術存在的不足，提出了一種基于雙向插值增強的2DPCA人臉圖像識別方法。關鍵點在于本發明以標價理論為基礎，通過在高價值的特征向量之間插入新的向量，以期望提高特征信息的顯示度，在不增加更大計算復雜度的前提下來提高圖像的識別精度。

本發明的方法包括以下幾個步驟：

步驟1、把ORL人臉庫分為訓練樣本和測試樣本。

步驟2、用PCA方法對步驟1中的訓練樣本提取特征值和特征向量

步驟3、步驟2所述的提取特征值和特征向量的方法需要將圖像矩陣轉化為一維向量，導致協方差矩陣維數過大，計算量太大，為解決該問題，采用2DPCA對步驟1中的訓練樣本提取特征值和特征向量。

步驟4、步驟3所述的提取特征值和特征向量的方法是在圖像的列方向上工作的，行方向上的維數沒有減少，復雜度仍然很高，為解決該問題，使用(2D)²PCA對步驟1中的訓練樣本提取特征值和特征向量。

步驟5、使用插值的方法對步驟2，步驟3，步驟4所提取的特征向量進行插值。

其中所述插值方式具體為：

設u1和u2為兩個投影軸，即兩個特征向量；V向量是坐標軸上任一向量，設V向量與投影軸u1間夾角為α；G點是V向量上任意一點，由G點向兩個投影軸u1，u2做投影，投影長度分別為a，b，假設a>b；在V向量和投影軸u1之間任意插入向量W，設V向量與W向量間的夾角為β，則β<α；由G點向W向量上做投影，顯然投影長度大于a，隨著插入的向量W與V向量之間夾角α的逐漸減小，投影長度逐漸增大，所隱含的特征逐漸凸顯出來。

步驟6采用范數距離方法或支持向量機方法進行識別。

本發明的有益效果：本發明通過在高價值的特征向量之間插入新的向量，以期望提高特征信息的顯示度，在不增加更大計算復雜度的前提下來提高了圖像的識別精度。