[發明專利]一種審計調查中人臉識別特征提取方法

有效

• 申請號: 202210646646.1
• 申請日: 2022-06-09
• 公開（公告）號: CN115019368B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 萬鳴華;張煜茜;詹天明;譚海;楊國為
• 申請（專利權）人: 南京審計大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/77;G06V10/766
• 代理公司: 南京創略知識產權代理事務所(普通合伙) 32358
• 代理人: 劉文艷

本發明公開了一種審計調查中人臉識別特征提取方法。本發明通過在2DDLPP目標函數中加入矩陣指數，由于對稱矩陣的矩陣指數是正定的，所以它是求解SSS問題的一種有效方法，而且其利用距離擴散映射將原始圖像轉換為一個新的空間，進一步拓寬標簽之間的邊距，可以保留更多的信息，利于分類和實現更高的精度，以解決2DDLPP的小樣本問題以及矩陣奇異問題，并引入彈性網回歸得到最優的稀疏投影矩陣，以解決2DDLPP處理人臉圖像時，其保留特征中存在大量冗余信息的問題，能夠有效提取人臉圖像中的稀疏特征用于人臉識別，以確保審計調查中人臉識別的準確性。

技術領域

本發明涉及人臉識別特征提取技術領域，具體涉及一種審計調查中人臉識別特征提取方法。

背景技術

審計調查是審計機關根據經濟活動中出現的帶有傾向性、普通性的重大問題，通過調查分析，為領導機關加強或改進宏觀控制與宏觀決策提供有效信息和建議的一種審計方法，開展審計調查不僅能為宏觀決策提供信息和建議，貫徹和完善財經法規，而且有利于審計工作經常化、制度化，提高審計人員政策水平和業務素質，人臉識別是審計調查的關鍵步驟，而在人臉識別問題中，如何提取有效的特征成為了研究者們所關注的重點，近年來的研究表明，人臉空間更可能存在于低維非線性流形子空間中，因此，研究者提出了許多基于流形學習的方法；

基于流形學習的方法目的是在一個鄰域內保持數據的局部幾何結構，并成功的找到存在于非線性流形中的固有特征，例如局部保持投影(Locality?PreservingProjection，LPP)是流形學習中的一種具有廣泛應用的方法，然而，LPP是一個基于向量的方法，它總是面臨著奇異問題，因此研究者提出了二維局部保持投影(Two-dimensionalLocality?Preserving?Projections，2DLPP)，該方法直接使用圖像矩陣而不是圖像向量進行投影，盡管2DLPP相對于LPP在處理人臉數據方面具有更好的效果，但是它的局限性在于2DLPP是一種無監督的方法，沒有考慮樣本的類別信息；

而二維判別局部保持投影(Two-dimensional?Discriminant?LocalityPreserving?Projections，2DDLPP)，在2DLPP目標函數中加入類間散布矩陣和判別信息，克服了2DLPP無法利用標簽信息的缺點，但是仍然存在小樣本問題，當樣本的維數大于樣本的數量時，會導致矩陣的奇異性，而且2DDLPP處理的對象是整個人臉圖像，其保留的特征中可能存在大量冗余信息，為了解決上述問題，本文結合2DDLPP、矩陣指數和彈性網回歸，提出一種基于二維指數稀疏判別局部保持投影(2DESDLPP)的人臉識別特征提取方法。

發明內容

本發明的目的是解決2DDLPP存在小樣本問題，當樣本的維數大于樣本的數量時，會導致矩陣的奇異性，而且2DDLPP處理的對象是整個人臉圖像，其保留的特征中可能存在大量冗余信息的問題。

為了達到上述目的，本發明所采用的技術方案是：

一種審計調查中人臉識別特征提取方法，包括以下步驟，

步驟(A)，基于2DDLPP的原目標函數，并根據投影矩陣公式化簡上述原目標函數的分子與分母，得到2DDLPP的簡分子式與簡分母式；

步驟(B)，將2DDLPP的簡分子式與簡分母式代入其原目標函數并最小化，得到2DDLPP的終目標函數；

步驟(C)，在2DDLPP的終目標函數中加入矩陣指數以及稀疏約束條件，得到2DESDLPP的目標函數；

步驟(D)，根據2DESDLPP的目標函數并引入彈性網回歸提取二維人臉圖像中的稀疏特征，即得到基于圖像矩陣的稀疏投影矩陣；

步驟(E)，利用不同的人臉數據庫，進行基于2DESDLPP并引入彈性網回歸的二維人臉圖像中特征提取實驗，驗證其有效性。