【技术实现步骤摘要】
本专利技术涉及的是一种生物特征身份识别领域,特别涉及。
技术介绍
局部保持投影(Locality Preserving Projection, LPP)是一种局部线性特征提取方法,作为拉普拉斯特征映射的线性近似,它能够提取反映高维样本非线性流形的低维特征,同时也能够处理训练样本外的数据。局部保持投影本质上是一种无监督降维,并不能充分利用训练样本的类别信息(He X, Niyogi P.Locality preserving projections [J].Advances in Neural Information Processing Systems.2003,16:153-160)。申中华等则从保留类内局部结构和类间分离度的角度出发提出一种有监督的局部保留投影方法(Supervised Locality Preserving Projection, SLPP),在一定程度上提高了局部保持投影方法的性能,但该方法确定的目标函数为Rayleigh商形式,其求解过程类似于传统的Fisher准则,因此,在人脸识别等小样本应用中,会遇到类内分离度矩阵奇异的问题,一般的解决思路是采用PCA和SLPP相结合,但降维过程中SLPP保留特征的维数将严重受限于PCA过程中所保留的特征维数(申中华,潘永惠,王士同.有监督的局部保留投影降维算法[J],模式识别与人工智能,2008, 21 (2):233-239.)。
技术实现思路
本专利技术的目的在于提供一种能够有效避免有监督局部保持投影在小样本情况下导致类内分离度矩阵奇异的特征提取人脸识别方法。本专利技术的目的是这样实现的 ...
【技术保护点】
一种基于分离度差有监督局部保持投影的人脸识别方法,其特征在于,包括以下步骤:(1)从人脸库中读取人脸图像;(2)对人脸图像进行特征提取,形成人脸特征;(3)对人脸区域图像进行特征提取,从而获得特征提取所需变换矩阵和训练人脸图像的特征:1)定义类内分离度矩阵为GW=XLWXT,类内分离度JW=aTXLWXTa=aTGWa和类间分离度矩阵为GB=XLBXT,类间分离度JB=aTXLBXTa=aTGBa,其中a为所求的投影向量,若W为类内相似度矩阵,LW为通过W求取的类内拉普拉斯矩阵,X为高维欧氏空间中的训练样本,B为类间相似度矩阵,LB为通过B求取的类间拉普拉斯矩阵;2)构造出差模式的目标函数参数η为非负的可调因子;3)求解广义分离度差矩阵(GB?ηGW)的特征值和特征向量确定出最优的投影轴;(4)针对测试人脸图像进行特征提取,并通过基于欧氏距离的最近邻分类器进行分类识别。FDA00003057997300011.jpg
【技术特征摘要】
1.一种基于分离度差有监督局部保持投影的人脸识别方法,其特征在于,包括以下步骤: (1)从人脸库中读取人脸图像; (2)对人脸图像进行特征提取,形成人脸特征; (3)对人脸区域图像进行特征提取,从而获得特征提取所需变换矩阵和训练人脸图像的特征: 1)定义类内分离度矩阵为Gw=XLwXt,类内分离度Jw=aTXLwXTa=aTGwa和类间分离度矩阵为Gb=XLbXt,类间分离度JB=aTXLBXTa=aTG...
【专利技术属性】
技术研发人员:王科俊,邹国锋,曹晶,唐墨,吕卓纹,付斌,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。