[發明專利]基于特征譜正則化的格拉斯曼流形判別分析圖像識別方法

有效

• 申請號: 201910943071.8
• 申請日: 2019-09-30
• 公開（公告）號: CN110781766B
• 公開（公告）日: 2023-05-19
• 發明（設計）人: 譚恒良;高鷹;杜嬌;楊朔
• 申請（專利權）人: 廣州大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/774;G06V10/74;G06V10/77;G06V10/764;G06F17/16
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 肖宇揚;江銀會

1.一種基于特征譜正則化的格拉斯曼流形判別分析圖像識別方法，其特征在于，所述方法包括：

確定從訓練視頻集合的每個訓練視頻中提取的多個圖像幀，得到每個所述訓練視頻對應的圖像集合，所述訓練視頻集合包括N個所述訓練視頻，N為大于等于1的整數；

通過預先確定出的分析方法提取每個所述圖像集合的線性子空間，將所有所述圖像集合的線性子空間組成格拉斯曼流形，所述格拉斯曼流形由每個所述圖像集合的線性子空間中的一個標準正交基所形成的標準正交基集合組成；

將所述格拉斯曼流形映射到希爾伯特空間，得到所述格拉斯曼流形在所述希爾伯特空間的向量組；

依據圖嵌入理論框架，通過局部拉普拉斯矩陣和所述向量組建立局部保持矩陣；

根據所述局部保持矩陣的特征譜構建權重框架函數，并根據所述權重框架函數對所述局部保持矩陣的特征空間執行正則化操作，得到新的樣本空間；

對所述新的樣本空間結合預先定義的權重鄰接矩陣，對特征分解方程執行求解操作，得到降維投影矩陣；

組合在執行所述正則化操作過程中得到的變換矩陣與所述降維投影矩陣，得到特征提取投影矩陣；

根據所述特征提取投影矩陣分別提取每個所述圖像集合以及待識別視頻的目標圖像集合在經過格拉斯曼流形表達以及映射后的降維特征，并通過預先定義的分類器對每個所述圖像集合的降維特征與所述目標圖像集合的降維特征進行相似度比較，得到針對所述待識別視頻的識別結果。

2.根據權利要求1所述的基于特征譜正則化的格拉斯曼流形判別分析圖像識別方法，其特征在于，所述根據所述局部保持矩陣的特征譜構建權重框架函數，并根據所述權重框架函數對所述局部保持矩陣的特征空間執行正則化操作，得到新的樣本空間，包括：

對所述局部保持矩陣執行特征分解操作，得到所述局部保持矩陣的特征譜以及所述局部保持矩陣的特征空間；

根據所述特征譜建立權重框架函數，并通過所述權重框架函數對格拉斯曼核特征空間執行加權操作，得到變換矩陣；

使用所述變換矩陣對所述向量組進行投影，得到新的樣本空間。

3.根據權利要求2所述的基于特征譜正則化的格拉斯曼流形判別分析圖像識別方法，其特征在于，所述對所述局部保持矩陣執行特征分解操作，得到所述局部保持矩陣的特征譜，包括：

對所述局部保持矩陣執行特征分解操作，得到所述局部保持矩陣的所有特征值；

按照特征值由大到小的順序對所有所述特征值執行排序操作，得到所述局部保持矩陣的特征譜。

4.根據權利要求3所述的基于特征譜正則化的格拉斯曼流形判別分析圖像識別方法，其特征在于，所述局部保持矩陣的計算公式為：

S^Φ＝ΦL_locΦ^T；

其中，S^Φ為所述局部保持矩陣，Φ為所述格拉斯曼流形在所述希爾伯特空間的所述向量組且Φ＝Φ(Y)＝[φ(Y₁)，φ(Y₂)，......，φ(Y_N)]，第i個所述圖像集合的線性子空間中的一個標準正交基為Y_i且D為所述圖像集合中每個圖像的特征維度，m為所述格拉斯曼流形的維度且等于所述標準正交基的基向量個數，Φ^Τ為Φ的轉置矩陣，L_loc為所述局部拉普拉斯矩陣且其表達式為：

其中，ω_ij是連接第i個所述圖像集合和第j個所述圖像集合之間的權重參數，C_c是所述訓練視頻集合中第c個類別的訓練視頻對應的圖像集合，ω_ij等于所述訓練視頻集合中第c個類別的訓練視頻對應的圖像集合個數的倒數；X_i為第i個所述訓練視頻對應的圖像集合，X_j為第j個所述訓練視頻對應的圖像集合。