[發明專利]自構余弦核空間中人臉數據非負特征表示和識別方法、裝置、系統及存儲介質

有效

• 申請號: 201910845969.1
• 申請日: 2019-09-05
• 公開（公告）號: CN110705368B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 陳文勝;錢薈卉
• 申請（專利權）人: 深圳大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/77
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 胡吉科

1.一種自構余弦核空間中人臉數據非負特征表示和識別方法，其特征在于，包括訓練步驟，所述訓練步驟包括如下步驟：

第一步驟：將訓練樣本圖像轉化為訓練樣本矩陣X，并將每一個樣本歸一化至內，設置誤差閾值ε、最大迭代次數I_max；

第二步驟：對基圖像矩陣W和系數矩陣H進行初始化；

第三步驟：設置迭代次數n＝0；

第四步驟：根據公式(12)更新基圖像矩陣W和系數矩陣H，

第五步驟：使n＝n+1；

第六步驟：判斷目標函數F(W,H)≤ε或迭代次數n是否達到最大迭代次數I_max，如果是，那么輸出基圖像矩陣W和系數矩陣H，否則執行第四步驟，

在第四步驟中，公式(12)如下：

其中w_k∈R^m是基圖像矩陣W的第k列，m是向量w_k(k＝1,2,…,r)的維數，r是基圖像矩陣W的列的數目，由本發明定義可知參數t∈[0,1]，反函數arccos是對向量或矩陣中的每個元素求余弦反函數；

該自構余弦核空間中人臉數據非負特征表示和識別方法還包括在訓練步驟之后再執行識別步驟，所述識別步驟包括：

第七步驟：計算訓練樣本中每類的平均特征向量m_j(j＝1,…,c)，c為不同人臉類別數，j為第j類的標記數；

第八步驟:將所有測試樣本均歸一化至內，輸入待識別人臉圖像y，計算其特征向量h_y；

第九步驟:計算待識別人臉圖像的特征向量h_y到第j類平均特征向量m_j的距離d_j＝||h_y-m_j||_F，j＝1,…,c,||·||_F為Frobenius范數，若h_y與第p類樣本的平均特征向量m_p的距離d_p最小，即則將待識別人臉圖像y歸于第p類；

第十步驟：輸出類別P，從而完成人臉識別；

在第八步驟中，特征向量h_y求出為

其中，是矩陣K_WW的廣義逆，假設原始空間中有c類樣本，其中第j類的訓練樣本數為n_j(j＝1,2,…,c)，訓練樣本矩陣為X_j，那么第j類的平均特征向量可以表示為：

其中，是一個維數為n_j×1維的全一列向量。