[發明專利]多子空間域自適應人臉識別方法

在審

• 申請號: 202010421069.7
• 申請日: 2020-05-18
• 公開（公告）號: CN111611909A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 徐智;韓晗
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 李小波

本發明屬于機器學習技術領域，本發明所涉及的域自適應人臉識別方法是人工智能的一個分支，公開了一種多子空間的域自適應人臉識別方法。提出通過多個子空間學習得到更多的判別信息，取得較好的分類模型，解決了源域樣本和目標域樣本數據分布不同，傳統的機器學習方法在源域上訓練無法在目標域數據上測試取得較好的效果的問題。本方法通過隨機選擇訓練樣本；為每個子系統學習一個公共子空間，然后分別用目標域數據進行線性組合來表示源域樣本；并為每個子系統中新的源域數據學習一個判別模型；通過多數票和總和規則的策略將所有子系統結合起來得到最終的分類結果，得到有益效果。

1技術領域

本發明屬于機器學習技術領域，涉及一種人臉識別方法，特別是所涉及域自適應人臉識別技術。

2.背景技術

人臉識別研究方向中，傳統機器學習方法在假設訓練數據和測試數據滿足同分布的前提下，能夠較好地分類預測問題，通過對帶有標注的源域樣本數據訓練得到分類模型，用與源域樣本分布一致的測試樣本數據進行測試。但在真實場景中，訓練數據和測試數據往往不滿足同一分布，因此，使用源域樣本數據訓練的分類模型應用到與之分布不同的目標域樣本數據中，性能會嚴重退化。

域自適應方法能夠通過將帶有監督信息源域數據信息轉移到另一個不同但相關的目標域上，從而提升分類模型的性能。子空間學習是域自適應的一種方法，通過最小化源域和目標域之間的差異得到一個公共子空間，在子空間中將目標域數據近似表示成源域數據從而進行有監督的訓練。然而，單個子空間存在固定最優解，當代價函數最小時，目標域表示的源域的最優結果是固定的，其不能提供更多的判別信息，限制了人臉識別分類任務的一個較好的識別性能。

在本專利中，提出一個多子空間域自適應的框架模型，對數據進行多個子空間學習，提取更多的判別信息，得到較好的分類模型。

3發明內容

已有的單子空間域自適應人臉識別方法主要缺點為：在訓練樣本投影到同一個子空間中，樣本的特征信息是固定的，另外，在公共子空間中，源于樣本和目標域樣本在相互線性表示的訓練中，會求出一個固定的最優解，這些都導致樣本多樣性的缺失。

方案1：

在本發明中，提出一個多子空間域自適應的人臉識別框架，通過隨機選擇樣本的方法，使得同一個樣本可能與不同的樣本組合構成訓練子數據集，在投影到不同的公共子空間中，保留不同的判別特征，通過對更多的判別信息進行學習得到多個判別模型，對多個判別模型給出的待測試樣本的輸出結果結合，得到最終的識別結果，這樣的多子空間域自適應人臉識別方法具有更好的識別性能。

人臉識別問題可以定義為：為圖片庫，其標簽為x^p是待識別的樣本數據，識別函數Label(x^p)∈L。圖片庫與待識別樣本與目標域數據分布一致，x^p通過與圖片庫中每一個樣本數據進行相似度比對，得到x^p的標簽。

具體流程為：1.從訓練數據集中隨機選擇樣本作為每個子系統的訓練樣本；2.為每個子系統學習一個公共子空間，要求在公共子空間中域之間特征能夠很好地交融在一起并且域本身的結構也能夠較好地保留，然后分別用目標域數據進行線性組合來表示源域樣本；3.為每個子系統中新的源域數據學習一個判別模型；4.通過多數票和總和規則的策略將所有子系統結合起來得到最終的分類結果。在此基礎上，將本方法應用于多個源域的學習中，對人臉進行識別分類。

本專利中所提出的多子空間域自適應人臉識別方法分為兩部分：訓練部分和測試部分。

1.訓練過程：

(1)在源域樣本數據和X^s目標域樣本數據X^t中隨機選擇n個樣本，構造M個子數據集，樣本選擇有兩種策略，一種為樣本類別數為定值，每個樣本的數量改變；另一種為每一類樣本的數量為定值，樣本類別數改變。

(2)每個子數據集進行降維處理。