[發明專利]一種針對小樣本訓練數據的人臉分類方法

有效

• 申請號: 202011243596.X
• 申請日: 2020-11-10
• 公開（公告）號: CN112232298B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 孫磊;蘇浩;謝翠芳;劉耘彤;王邵琦;崔如瑤
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 張利萍

1.一種針對小樣本訓練數據的人臉分類方法，其特征在于：包括如下步驟：

步驟S1：建立訓練數據集，具體為：采集M個人的正臉灰度圖像作為訓練數據，生成訓練數據集；其中，M個人分別對應類別標簽0,1，……，M-1，圖像的總數為N，且N＝M；

步驟S2：數據預處理，具體為：將每張圖像樣本重排為一個列向量，然后對所有的圖像進行歸一化處理；

步驟S3：分別建立樣本矩陣和類別正交矩陣，并建立模型，具體包括如下子步驟：

步驟S3-1：將步驟S2得到的所有樣本的列向量組合成為樣本矩陣X，組合過程中樣本要按照類別標簽由小到大的順序依次進行排列；

步驟S3-2：根據每個樣本所屬的類別，設計M個類別正交向量，組合成為一個矩陣，記為R，稱R為類別正交矩陣；

其中，類別正交向量記為{r_j,j＝1,...,M}，滿足如下約束：

1)歸一性約束：r^(i)T·r⁽ⁱ⁾＝1；

2)正交性約束:r^(i)T·r^(j)＝0，i≠j；

3)類內歸一性：(I⁽ⁱ⁾r⁽ⁱ⁾)^T·(I⁽ⁱ⁾r⁽ⁱ⁾)＝1；

4)類間正交性：(I⁽ⁱ⁾r⁽ⁱ⁾)^T·(I⁽ⁱ⁾r^(j))＝0,i≠j；

其中，類別正交向量r_j的長度為N，表示類別正交矩陣R中的第j列，類別正交矩陣R中的每個元素對應著一個樣本向量；表示r_j中對應第i類人臉數據的元素所組成的列向量；I是一個大小為N*N的單位矩陣，意味著其每一行對應著一個樣本向量；I⁽ⁱ⁾表示I中對應第i類人臉數據的行向量所組成的矩陣；

步驟S3-3：根據步驟S3-1中的樣本矩陣和步驟S3-2中的類別正交矩陣，建立如下形式的線性模型，并基于該線性模型求解特征向量；

R＝X^TQ

其中，分別對應每一類人臉，稱Q矩陣為特征矩陣，Q矩陣的列向量為特征向量；

步驟S4：訓練并求解模型，具體為：通過計算Q＝X[pinv(X^TX)]R，求解特征矩陣Q；

其中，pinv(X^TX)表示求解X^TX的廣義逆矩陣；

步驟S5：通過測試模型對人臉進行分類，具體包括如下子步驟：

步驟S5-1：將測試樣本輸入模型，記為z；

步驟S5-2：根據步驟S4得到的特征矩陣Q計算v＝Q^Tz；

步驟S5-3：對v中的每個元素進行平方，結果最大的元素在v中的下標序號即為對測試樣本z的分類結果。

2.根據權利要求1所述的一種針對小樣本訓練數據的人臉分類方法，其特征在于：步驟S1中，訓練數據集中包括M個人的圖像及類別標簽，且每個人的圖像至少有1張。

3.根據權利要求1所述的一種針對小樣本訓練數據的人臉分類方法，其特征在于：步驟S2中，該列向量記為{x_i,i＝1,...,N}x_i表示第i個樣本，N表示總樣本數，數值與步驟S1中圖像的總數相同。

4.根據權利要求3所述的一種針對小樣本訓練數據的人臉分類方法，其特征在于：步驟S3-3中，Q矩陣有M列。

5.根據權利要求4所述的一種針對小樣本訓練數據的人臉分類方法，其特征在于：步驟S5-2中v為列向量。

6.根據權利要求5所述的一種針對小樣本訓練數據的人臉分類方法，其特征在于：步驟S5-2中，v為向量z在Q上的投影。