一种基于Gabor张量的MLFDA人脸识别方法技术

本发明专利技术公开了一种基于Gabor张量的MLFDA人脸识别方法，包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后预测待测样本所属的对象。本发明专利技术对光照和姿态变化具有较强的鲁棒性，并且这是一种有监督的学习算法，利用了数据的类别信息，提高了人脸的识别率。

【技术实现步骤摘要】
一种基于Gabor张量的MLFDA人脸识别方法
本专利技术涉及模式识别、图像处理和计算机视觉领域，特别是涉及一种基于Gabor张量的MLFDA人脸识别方法。
技术介绍
近年来，人脸识别凭借着其潜在的应用价值以及理论挑战已经成为计算机视觉领域的一个研究热点。人脸识别不仅在信息安全领域得到广泛的应用与发展，其在日常生活中也有广泛的应用前景。例如现在常见的电子人脸考勤系统，对大量图片按人脸图像进行归档分类，手机客户端的身份验证等。同时人脸识别技术在移动支付平台也逐渐崭露头角，2015年，马云在信息和通信工程类展览会(CeBIT)上演示了“刷脸支付”，PayPal也即将推出的“人脸识别”支付工具，这将有望让人们丢弃传统意义上的钱包，不过也对人脸识别技术提出了更高的要求，开启了人脸识别的新时代。由于人脸图像容易受到光照、姿态、表情和遮挡物等外在因素的影响，使得人脸图像成为一个相对复杂的样本数据。鉴于Gabor小波有着良好的视觉特性和生物学背景，其在人脸识别的特征提取中表现出巨大的优势，已经成为人脸识别中最经典的特征提取方法之一。另外，Gabor小波能够为图像处理提供较好的方向选择和尺度选择，即可以将Gabor小波变换看做是一个对图像方向和尺度敏感的显微镜，用来捕获原始图像在局部区域内的多尺度和多方向特征。故无论从生物学角度还是技术角度考虑，经Gabor变换后的图像特征表现出极大的优越性。虽然Gabor特征在人脸识别获得了成功的应用，但是由于使用多尺度多方向的Gabor核函数，使得滤波后的图像特征维数大幅增加，往往会导致“维数灾难”，而如何从Gabor滤波图像的高维特征空间中通过子空间学习来提取最具鉴别能力的特征一直是尚未解决的难点。子空间学习就是把原始的高维数据压缩到一个数据分布更加紧凑的低维空间。KarlPearson在1901年最早提出了主成分分析(PrincipalComponentAnalysis，简称PCA)，属于非监督的维数约简方法，现在被广泛应用在人脸识别中，旨在最大化样本在投影空间中的方差。在未来的几年内，相继诞生了许多新的算法，其中线性判别分析(LinearDiscriminantAnalysis,简称LDA)比较典型，其目的是通过最小化类内离散度矩阵和最大化类间离散度矩阵来嵌入判别信息，与PCA相比，LDA利用了数据的类别信息。局部保持投影(LocalityPreservingProjections，LPP)是一种新的子空间分析方法，它是非线性方法LE的线性近似，不仅可以保持原始数据非线性流形的结构特点，而且也能够获得新样本点在低维空间的投影。局部线性判别式分析(LocalFisherDiscriminantAnalysis，LFDA)继承了LDA和LPP的优点，不仅利用了数据的类别信息，还可以保持原始数据非线性流形的结构特点。但是，这几种方法在计算过程中，都需要把图像数据向量化，无形中增加了计算复杂度。
技术实现思路
专利技术目的：本专利技术的目的是提供一种能够解决现有技术中存在的缺陷的基于Gabor张量的MLFDA人脸识别方法。技术方案：为达到此目的，本专利技术采用以下技术方案：本专利技术所述的基于Gabor张量的MLFDA人脸识别方法，其特征在于：包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后采用最近邻分类器进行分类识别，预测待测样本所属的对象。进一步，所述训练阶段中，每个样本都是在5个不同的尺度、8个不同的方向上进行采样。进一步，所述训练阶段中，二维Gabor滤波利用Gabor小波对人脸图像进行卷积，二维Gabor小波如式(1)所示：式(1)中，Ψμ,v(z)是二维Gabor小波函数的输出，σ＝2π，z为空间位置坐标，kv＝kmax/fv为采样尺度，其中v为尺度标号，kmax为最大频率，f是频率中的内核间隔因子，φμ＝πμ/8为采样方向，其中μ为方向标号。进一步，所述训练阶段中，最佳投影矩阵如式(2)所示：式(2)中，为最佳投影矩阵，n＝1,2,…,N，In表示张量样本在第n-mode的维数，Pn为张量样本被投影至低维子空间后第n-mode的维数，Pn＜In，为投影之后的张量样本，m＝1,2,…,M，为原始张量，为第i个投影之后的张量样本，为第j个投影之后的张量样本，如式(3)所示，如式(5)所示；式(3)中，wij如式(4)所示，其中nc为第c类数据的训练样本数，ci为训练样本所属的类别标签，cj为训练样本所属的类别标签；式(4)中，为第i个训练样本，为第j个训练样本，t为高斯核函数的参数；有益效果：本专利技术公开了一种基于Gabor张量的MLFDA人脸识别方法，对光照和姿态变化具有较强的鲁棒性，并且这是一种有监督的学习算法，利用了数据的类别信息，提高了人脸的识别率。附图说明图1为本专利技术具体实施方式的方法流程图；图2为本专利技术具体实施方式的Gabor滤波器的幅值响应；图3为本专利技术具体实施方式的人脸图像的Gabor滤波结果；图4为本专利技术具体实施方式的三阶张量及其展开示意图；图5为本专利技术具体实施方式的三阶张量与矩阵的1-modeProduct示意图；图6为Yale、ORL、FERET人脸库的一个对象的人脸图片。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步的介绍。本具体实施方式公开了一种基于Gabor张量的MLFDA人脸识别方法，如图1所示，包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后预测待测样本所属的对象。训练阶段中，二维Gabor滤波利用Gabor小波对人脸图像进行卷积，二维Gabor小波如式(1)所示：式(1)中，Ψμ,v(z)是二维Gabor小波函数的输出，σ＝2π，z为空间位置坐标，kv＝kmax/fv为采样尺度，其中v为尺度标号，kmax为最大频率，f是频率中的内核间隔因子，φμ＝πμ/8为采样方向，其中μ为方向标号。在空域中，二维Gabor滤波器的参数φμ，kv和σ分别反映了滤波器纹理方向、纹理的波长和高斯窗口的大小。本具体实施方式采用Gabor核函数的幅值响应与图像进行卷积，图2显示了Gabor核函数在5个尺度、8个方向上的幅值响应。将原始人脸图像记为I，通过将其分别与上述40个Gabor滤波器进行卷积，可以得到基于Gabor变换的人脸图像，其数学表示为：J(z)＝I(z)*Ψμ,v(z)(2)其中，z＝(x,y)，J(本文档来自技高网...

【技术保护点】
一种基于Gabor张量的MLFDA人脸识别方法，其特征在于：包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后采用最近邻分类器进行分类识别，预测待测样本所属的对象。

【技术特征摘要】
1.一种基于Gabor张量的MLFDA人脸识别方法，其特征在于：包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后采用最近邻分类器进行分类识别，预测待测样本所属的对象。2.根据权利要求1所述的基于Gabor张量的MLFDA人脸识别方法，其特征在于：所述训练阶段中，每个样本都是在5个不同的尺度、8个不同的方向上进行采样。3.根据权利要求1所述的基于Gabor张量的MLFDA人脸识别方法，其特征在于：所述训练阶段中，二维Gabor滤波利用Gabor小波对人脸图像进行卷积，二维Gabor小波如式(1)所示：

【专利技术属性】
技术研发人员：杨万扣，孙长银，彭煜聪，王川，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32