一种人脸识别的方法及装置制造方法及图纸

本发明专利技术公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明专利技术所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别是涉及一种人脸识别的方法及装置。
技术介绍
目前人脸识别技术已经发展成为了计算机视觉中非常流行的研宄课题，同时也是 在图像分析领域最为成功的应用之一。人脸数据是典型的高维小样本数据，对人脸数据进 行维数约简是必要的预处理步骤。在近几十年的发展中，相继提出了一系列的维数约简技 术。 目前提出的正交判别投影方法均只构造了一个邻接图，包含类内和类间的信息。 而在数据分布不均衡的情况下，类内和类间的信息在邻接图中也会不均衡，会导致不能实 现类内距离最小和类间距离最大的目的。
技术实现思路
本专利技术的目的是提供一种人脸识别的方法及装置，目的在于解决现有技术中不能 实现类内最小和类间最大的问题。 为解决上述技术问题，本专利技术提供一种人脸识别的方法，包括： 将获取得到的人脸图像数据作为待测样本； 利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样 本； 在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本； 将所述目标样本的类别确定为所述测试样本的类别； 其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述 训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。 可选地，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所 述训练样本集合中的多个样本进行训练得到的变换矩阵包括： 通过构造的类内邻接矩阵Fw以及类间邻接矩阵Fb，根据SW=X(DW-FW)XT以及Sb = X(Db-Fb)XT计算得到类内局部散度矩阵Sw以及类间局部散度矩阵Sb; 通过所述类内局部散度矩阵Sw以及类间局部散度矩阵Sb计算得到投影变换矩阵 P，以使类间距离最大、类内距离最小； 其中， t> 0,iV^/)和iVt(〇分别是\的同类近邻和异类近邻集合，Dw和Db均是对角矩 阵。 可选地，所述通过所述类内局部散度矩阵sw以及所述类间局部散度矩阵sb确定投 影变换矩阵P包括： 对所述类内局部散度矩阵sw以及所述类间局部散度矩阵sb进行广义特征分解，将 获得的特征值按照从大到小的顺序进行排列，取前d个特征值对应的特征向量作为所述投 影变换矩阵P，其中d为经投影变换后空间的维数。 可选地，所述训练样本集合为预先建立的集合，所述预先建立的过程包括： 将获取得到的多幅人脸图像作为训练样本； 利用所述投影变换矩阵将所述训练样本映射到低维特征空间中，得到投影后的标 准样本； 将所述标准样本以及所述人脸图像的已知类别进行存储，作为所述训练样本集 合。 可选地，所述在训练样本集合中，查找与所述测试样本距离最近的标准样本作为 目标样本包括： 利用最近邻分类器，在所述训练样本集合中，查找与所述测试样本距离最近的标 准样本作为目标样本。 本专利技术还提供了一种人脸识别的装置，包括： 获取模块，用于将获取得到的人脸图像数据作为待测样本； 映射模块，用于利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到 投影后的测试样本； 查找模块，用于在训练样本集合中，查找与所述测试样本距离最近的标准样本作 为目标样本； 确定模块，用于将所述目标样本的类别确定为所述测试样本的类别； 其中，所述投影变换矩阵为训练模块通过构造的类内邻接矩阵以及类间邻接矩 阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内 距离最小。 可选地，所述训练模块包括：训练获取单元，用于将获取得到的多幅人脸图像作为训练样本；训练映射单元，用于利用所述投影变换矩阵将所述训练样本映射到低维特征空间 中，得到投影后的标准样本； 训练存储单元，用于将所述标准样本以及所述人脸图像的已知类别进行存储，作 为所述训练样本集合。 可选地，所述查找模块用于在训练样本集合中，查找与所述测试样本距离最近的 标准样本作为目标样本包括： 所述查找模块具体用于利用最近邻分类器，在所述训练样本集合中，查找与所述 测试样本距离最近的标准样本作为目标样本。 本专利技术所提供的人脸识别的方法及装置，利用投影变换矩阵将获取得到的待测样 本映射到低维特征空间中，得到投影后的测试样本。然后在训练样本集合中，查找与测试 样本距离最近的标准样本作为目标样本，并将目标样本的类别确定为测试样本的类别，以 达到人脸识别的目的。本专利技术所提供的人脸识别的方法及装置，为正交判别投影分别构造 了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信 息，从而实现类内最小和类间最大的目的。【附图说明】 图1为本专利技术所提供的人脸识别的方法的一种【具体实施方式】的方法流程图； 图2为本专利技术所提供的人脸识别的方法的另一种【具体实施方式】中投影变换矩阵 确定过程的流程图； 图3为本专利技术所提供的人脸识别的方法的另一种【具体实施方式】中预先建立训练 样本集合的过程的流程图；图4为三种算法的分类精度随着维数变化曲线图； 图5为本专利技术所提供的人脸识别的装置的一种【具体实施方式】的结构框图。【具体实施方式】 为了使本
的人员更好地理解本专利技术方案，下面结合附图和【具体实施方式】 对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是 全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提 下所获得的所有其他实施例，都属于本专利技术保护的范围。 本专利技术所提供的人脸识别的方法的一种【具体实施方式】的方法流程图如图1所示， 该方法包括： 步骤S101 :将获取得到的人脸图像数据作为待测样本； 步骤S102 :利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影 后的测试样本； 步骤S103 :在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目 标样本； 步骤S104 :将所述目标样本的类别确定为所述测试样本的类别； 其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述 训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。 本专利技术所提供的人脸识别的方法，利用投影变换矩阵将获取得到的待测样本映射 到低维特征空间中，得到投影后的测试样本。然后在训练样本集合中，查找与测试样本距离 最近的标准样本作为目标样本，并将目标样本的类别确定为测试样本的类别，以达到人脸 识别的目的。本专利技术所提供的人脸识别的方法，为正交判别投影分别构造了两个邻接矩阵： 类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内 最小和类间最大的目的。 需要指出的是，本专利技术中的类内指同一个类的样本之间的关系；类间指不同类的 样本之间的关系。 本专利技术提供了人脸识别的方法的另一种【具体实施方式】，与上一实施例相比，本实 施例增加了投影变换矩阵的确定过程，如图2所示： 步骤S201 :通过构造的类内邻接矩阵Fw以及类间邻接矩阵Fb，根据Sw=X(DW_FW) XT以及Sb=X(Db_Fb)XT计算得到类内局部散度矩阵Sw以及类间局部散度矩阵Sb; 步骤S202 :通过所述类内局部散度矩阵Sw以及类间局部散度矩阵Sb计算得到投 影变换矩阵P，以使类间距离最大、类内距离最小； 其中， t> 0, <(/本文档来自技高网...

【技术保护点】
一种人脸识别的方法，其特征在于，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。

【技术特征摘要】

【专利技术属性】
技术研发人员：张莉，周伟达，王邦军，张召，李凡长，杨季文，
申请(专利权)人：苏州大学张家港工业技术研究院，
类型：发明
国别省市：江苏;32