[發(fā)明專利]基于小波核極限學(xué)習(xí)機識別人臉圖像集方法有效
| 申請?zhí)枺?/td> | 202010119515.9 | 申請日： | 2020-02-26 |
| 公開（公告）號： | CN111340111B | 公開（公告）日： | 2023-03-24 |
| 發(fā)明（設(shè)計）人： | 郝麗秀;于威威 | 申請（專利權(quán)）人： | 上海海事大學(xué) |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06V40/16;G06V10/774 |
| 代理公司： | 上海元好知識產(chǎn)權(quán)代理有限公司 31323 | 代理人： | 徐雯瓊;章麗娟 |
| 地址： | 201306 上海市*** | 國省代碼： | 上海;31 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 小波核 極限 學(xué)習(xí)機 識別 圖像 方法 | ||
1.一種基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，包含以下步驟：
S1、輸入圖像集，所述圖像集分為多類圖像集；
S2、對輸入的圖像集進行預(yù)處理；
S3、對圖像集建模：初始化全局小波核極限學(xué)習(xí)機模型；
S4、使用訓(xùn)練圖像集訓(xùn)練全局小波核極限學(xué)習(xí)機模型，得到訓(xùn)練后的每類圖像集的小波核極限學(xué)習(xí)機模型；
S5、得到訓(xùn)練后的每類圖像集的小波核極限學(xué)習(xí)機模型之后，重構(gòu)前的原測試圖像集分別利用每一類圖像集對應(yīng)的訓(xùn)練后的小波核極限學(xué)習(xí)機模型分別進行重構(gòu)，并輸出重構(gòu)后的測試圖像集；
S6、計算重構(gòu)后的測試圖像集與原測試圖像集之間的重構(gòu)誤差；
S7、獲取最小的重構(gòu)誤差，并得到該最小的重構(gòu)誤差所屬的類別，該最小的重構(gòu)誤差所屬的類別代表測試圖像集表示的類別；
S8、輸出測試圖像集所屬的類別。
2.如權(quán)利要求1所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述預(yù)處理包含：
圖像灰度化：灰度化的過程是指將每個像素點的RGB值統(tǒng)一成同一個值，灰度化后的圖像將由三通道變?yōu)閱瓮ǖ溃?/p>
特征提取：再將灰度化后的人臉圖像使用HOG-NMF方法提取特征向量。
3.如權(quán)利要求1所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述訓(xùn)練圖像集選自輸入的圖像集中的至少一部分，所述原測試圖像集是輸入的圖像集中剩下的部分；
輸入的圖像集分為N類，每一類訓(xùn)練圖像集記為每一類測試圖像集記為其中，d表示訓(xùn)練圖像集或測試圖像集中每類人臉圖像的特征維度，i表示第i類人臉。
4.如權(quán)利要求3所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述步驟S3中，進一步包含：
定義初始的全局小波核極限學(xué)習(xí)機KELM模型，采用的全局KELM模型權(quán)重記為其中，h表示隱層節(jié)點個數(shù)；表示在全局小波核極限學(xué)習(xí)機模型中，人臉圖像集G的第i個隱藏節(jié)點的權(quán)重。
5.如權(quán)利要求4所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述步驟S4中，進一步包含：將每一類測試圖像集的人臉圖像作為初始的全局小波核極限學(xué)習(xí)機模型的輸入并對其進行訓(xùn)練，分別得到訓(xùn)練后的每一類圖像集的小波核極限學(xué)習(xí)機模型，記為Lj表示第j類人臉圖像集的小波核極限學(xué)習(xí)機模型，第j類小波核極限學(xué)習(xí)機模型權(quán)重定義為
6.如權(quán)利要求5所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述步驟S5中，每一類的測試圖像集分別使用對應(yīng)的一類圖像集的模型分別重構(gòu)：將測試圖像集中每一類人臉圖像集作為對應(yīng)的每一個小波核極限學(xué)習(xí)機模型的輸入，基于訓(xùn)練得到的N個小波核極限學(xué)習(xí)機模型的運算后，分別得到N個重構(gòu)后的測試圖像集，記為
7.如權(quán)利要求6所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述步驟S6中，進一步包含：
將重構(gòu)前的測試圖像集與重構(gòu)后的測試圖像集之間的重建誤差計算為平方歐幾里得距離：
其中，i表示第i類圖像，表示重構(gòu)前第i類的圖像集與重構(gòu)后的圖像集之間的平方歐幾里得距離。
8.如權(quán)利要求7所述的基于小波核極限學(xué)習(xí)機識別人臉圖像集方法，其特征在于，
所述步驟S7中，進一步包含：
測試圖像集的類別Y取決于最小重建誤差重建誤差最小，越接近某一類別，得到測試圖像類別標簽
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海海事大學(xué)，未經(jīng)上海海事大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010119515.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 基于“空間組合推舉體制”的小波變換IP核及其變換方法
- 一種基于最佳核形狀的小波MTF補償方法
- 一種基于KLMS的自適應(yīng)小波核神經(jīng)網(wǎng)絡(luò)跟蹤控制方法
- 基于Morlet小波核的LSSVM脈動風(fēng)速預(yù)測方法
- 基于Bubble小波核的非平穩(wěn)風(fēng)速預(yù)測方法
- 一種第二代小波核函數(shù)構(gòu)造的方法及裝置
- 一種數(shù)字核脈沖信號墨西哥草帽小波成形方法
- 基于譜圖小波變換的機械振動信號閾值降噪方法
- 基于小波核極限學(xué)習(xí)機識別人臉圖像集方法
- 基于小波變換的產(chǎn)品表面缺陷檢測方法、存儲器和處理器
