[發明專利]一種基于模糊三向2DFDA的人臉識別分類方法

有效

• 申請號: 201910793556.3
• 申請日: 2019-08-27
• 公開（公告）號: CN110532939B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 萬鳴華
• 申請（專利權）人: 南京審計大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764
• 代理公司: 南京創略知識產權代理事務所(普通合伙) 32358
• 代理人: 王丹

1.一種基于模糊三向2DFDA的人臉識別分類方法，其特征在于，包括如下步驟：

步驟A、獲取圖像并進行人臉檢測，當檢測到人臉后，對包含有背景的人臉圖像進行人臉分割，構建新的待分類標準人臉圖像；

步驟B、針對新的待分類標準人臉圖像進行下述處理：

B1、計算新的待分類標準人臉圖像的模糊隸屬度特征矩陣U，U＝[U_ij]，且U_ij必須滿足以下的兩個條件：

其中，元素U_ij表示第j個訓練樣本對于第i類的依賴程度，i＝1,2,…c，j＝1,2，....,Ν_i，c表示樣本的類別數，N_i表示第i類訓練樣本的總數，N＝N₁+N₂+...+Ν_C，N表示訓練樣本的總數；

B2、當i＝1，j＝1，U₁₁為矩陣U第一個元素時，進行左乘的2DFDA算法對原始圖像矩陣進行計算，得到特征矩陣Y_l＝[Y_l1,Y_l2,......Y_lN]特征矩陣第一個矩陣Y_l1，為d×n矩陣：

Y_l1＝U_ijW_l^TA₁

其中，W_l＝[w₁,w₂,......w_d]，為m×d階投影矩陣,w_i是對應于前d個最大特征徝的m維列向量，i＝1,....,d，W_l^T為W_l的轉置，A＝[A₁,A₂,......A_N]為m×n×N樣本矩陣，A₁,A₂,......A_N為第1個、第2個……第N個訓練樣本，n為樣本列向量，m為樣本的行向量，d為最大特征值個數，重復N次上述過程，得到Y_l＝[Y_l1,Y_l2,......Y_lN]，為d×n×N特征矩陣；

B3、當i＝1，j＝1，U₁₁為矩陣U第一個元素時，進行右乘的2DFDA算法對原始圖像矩陣進行計算，得到特征矩陣Y_r＝[Y_r1,Y_r2,......Y_rN]特征矩陣第一個矩陣Y_r1，為m×d矩陣：

Y_r1＝A₁W_rU_ij

其中，W_r＝[w₁,w₂,......w_d]為n×d階投影矩陣，w_j是對應于前d個最大特征徝的n維列向量，j＝1,....,d，重復N次上述過程，得到Y_r＝[Y_r1,Y_r2,......Y_rN]，為m×d×N特征矩陣；

B4、當i＝1，j＝1，U₁₁為矩陣U第一個元素時，對原始圖像進行對角線重排，計算出特征矩陣Y′_r＝[Y₁′,Y′₂,......Y′_N]特征矩陣第一個矩陣Y₁′，為m×d矩陣：

Y₁′＝D₁U_ijW

其中，D＝[D₁,D₂,......D_N]記為A重排后的m×n×N矩陣；W＝[w₁,w₂,......w_d]，為n×d階投影矩陣，w_i是對應于前d個最大特征徝的n維列向量；重復N次上述過程，得到Y′_r＝[Y′₁,Y′₂,......Y′_N]，為m×d×N特征矩陣；

B5、將上述矩陣Y_l、Y_r和Y′_r合成一個特征矩陣Y＝(Y_l,Y_r,Y′_r)^T；

步驟C、利用最近鄰分類器進行分類，輸出人臉圖像的分類結果；

其中，步驟B4具體包括如下步驟：

B41、沿著圖像矩陣A的列，從左往右把第i列的元素向上移i-1個位，超出矩陣的元素依次補到對應列的下邊，構建矩陣D，此時A的對角線元素置為D的第一行，第二對角線元素置為D的第二行，依此類推；

B42、定義類內協方差矩陣S′_b為：

其中，為所有訓練樣本的像素均值,為第i類訓練樣本像素均值，l為總類別數，l_i為第i類樣本數；

B43、定義類間協方差矩陣S′_w為：

其中，m×n階矩陣為第i類的第j個樣本，l為總類別數，l_i為第i類樣本數；

B44、求解最優投影向量W：

其中，Λ為對角矩陣，其對角線元素為的特征值；

B45、計算出特征矩陣Y′_r；

步驟C具體包括：

C1、定義d(Y₁,Y₂)為：

其中，Y₁為特征矩陣；Y₂為特征矩陣；為Y₁的第k列特征矩陣；為Y₂的第k列特征矩陣；d為最大特征值個數；

C2、若總的特征矩陣為Y₁,Y₂,…,Y_N,每一幅圖像都有類標簽c_i，對應一個新的測試樣本Y,如果且Y_j∈c_l，則分類結果是Y∈c_l，其中，l為總類別數；

C3、根據C1和C2的結果，求解所有人臉圖像的最終類別，并輸出人臉圖像的分類結果。