基于彩色特征雙重多核鑒別分析的人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于彩色特征雙重多核鑒別分析的人臉識別方法，屬于人臉識別
技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 現(xiàn)有基于RGB彩色特征雙重鑒別分析的人臉識別方法（CDDA)(公開號 CN103116758A)將線性鑒別分析技術(shù)同時應(yīng)用到R、G、B三個彩色分量內(nèi)部和三個彩色分 量之間，在各個彩色分量內(nèi)部和不同彩色分量之間實現(xiàn)基于歐式距離的特征層雙重鑒別分 析。具體做法如下：
【主權(quán)項】
1. 基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在于，包括以下步驟： 步驟1，獲得各彩色分量訓練樣本集，定義各彩色分量訓練樣本集內(nèi)部的類內(nèi)核特征散 布矩陣和類間核特征散布矩陣、以及各彩色分量訓練樣本集之間的類內(nèi)核特征散布矩陣和 類間核特征散布矩陣，并在矩陣中加入多核組合系數(shù)； 步驟2,定義目標函數(shù)，對目標函數(shù)求解，得到投影后的訓練樣本特征集； 步驟3,獲得測試樣本，根據(jù)上述投影后的訓練樣本特征集，得出投影后的測試樣本特 征，使用基于歐氏距離度量的最近鄰分類器對測試樣本進行分類和識別。
2. 根據(jù)權(quán)利要求1所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，步驟1中定義第i個彩色分量訓練樣本集內(nèi)部的類內(nèi)核特征散布矩陣尤和類間核特征 散布矩陣M、以及第i和第j個彩色分量訓練樣本集之間的類內(nèi)核特征散布矩陣粑和類間 核特征散布矩陣對如下：
且，忠=%、匁=%; 式中，XKe RdXn、Xee RdXn、XBe Rdxn*別表示R、G、B三個彩色分量訓練樣本集，η表 示所有彩色人臉圖像訓練樣本的個數(shù)，d表示彩色分量訓練樣本的維數(shù)，Rdxn表示dXn維的 歐幾里得空間；c表示彩色人臉圖像訓練樣本的類別數(shù)；i和j分別表示第i個和第j個彩 色分量，i = R, G，B，j = R, G，B，i關(guān)j ;p和q分別表示彩色人臉圖像的第p類和第q類，p =1，2,…，c，q = 1，2,…，c，p關(guān)q ;np和n q分別表示第P類和第q類的彩色人臉圖像訓練 樣本個數(shù)；X丨,.e Rii和4 e Rrf分別表示Xi中第p類的第r個樣本和第t個樣本，祐e R"表示 Xj中第P類的第t個樣本，.<,e R, X,; e Rrf分別表示XjP L中第q類的第t個樣本，R策 示d維的歐幾里得空間；(^( ·)和（^( ·)分別表示第i個和第j個彩色分量的核映射， 將第i個和第j個彩色分量樣本從原始d維的線性空間Rd映射到非線性高維核空間H JP %，氏和L的維數(shù)分別為/^和1^ ; WJP、分別表示第i個和第j個彩色分量的投影變換， 將核映射后的第i個和第j個彩色分量樣本維數(shù)從和 <降低到DS # ， 苽、試、扣分別表示核映射后R、G、B三個彩色分量樣本維數(shù);Wi= Cjii(Xi)ApWj = Ctj(Xj)Aj, 4 e RWi和為eir#分別是第i個和第j個彩色分量的投影系數(shù)矩陣，表示 nXD%|l的歐幾里得空間；KiG Rnxn和K」e Rnxn分別表示X JP Xj的核矩陣，Rnxn表示nXn 維的歐幾里得空間；
\表示一個\階單位陣，弋表示一個\階所有元素都為1的方陣；Ιη表示一個η階單 位陣；En表示一個η階所有元素都為1的方陣；T表示轉(zhuǎn)置。
3. 根據(jù)權(quán)利要求2所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，在尤、S;:、X和對中加入多核組合系數(shù)，即用Co iKi替換Kpcoj.替換Kp可得
且依舊滿足：t =&f、C=C; 式中，ω JP 分別表示多核學習中對應(yīng)核函數(shù)k jP h的多核組合系數(shù)，k jP k」分 別表示核映射Φ?( ·)和Φ」（·）對應(yīng)的核函數(shù)。
4. 根據(jù)權(quán)利要求3所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，定義目標函數(shù)為：
(9) 式中，A10ApA1^別表不R、G、B三個彩色分量的投影系數(shù)矩陣；ω K、c〇e、ωΒ分別表不多 核學習中對應(yīng)核函數(shù)kK、ke、kB的多核組合系數(shù)，kK、k e、kB分別表示核映射Φ κ( ·)、<K( ·)、 ΦΒ( ·)對應(yīng)的核函數(shù)，ΦΚ(·)、Φ<；(·)、ΦΒ(·)分別表示R、G、B三個彩色分量的核映射； tr(·)表示方陣的跡；S廣、Sf"分別表示R、G、B三個彩色分量訓練樣本集內(nèi)部的類 間核特征散布矩陣，表示R、G彩色分量訓練樣本集之間的類間核特征散布矩陣，^^表 示G、B彩色分量訓練樣本集之間的類間核特征散布矩陣，Sf to表示B、R彩色分量訓練樣本 集之間的類間核特征散布矩陣；^^分別表示R、G、B三個彩色分量訓練樣本集 內(nèi)部的類內(nèi)核特征散布矩陣，表示R、G彩色分量訓練樣本集之間的類內(nèi)核特征散布矩 陣，表示G、B彩色分量訓練樣本集之間的類內(nèi)核特征散布矩陣，表示B、R彩色分量 訓練樣本集之間的類內(nèi)核特征散布矩陣； 將目標函數(shù)改寫為：
5.根據(jù)權(quán)利要求4所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征 在于，對目標函數(shù)求解，得到各彩色分量的投影系數(shù)矩陣和多核組合系數(shù)，求解迭代方法如 下： 5-1)初始化 ωκ= 1/3、ω e= 1/3、ω B= 1/3、V i= -100, V 1表示中間變量； 5-2)根據(jù)ωκ、c〇e、ωΒ，通過對T1L矩陣進行特征分解得到公式（10)的解" Ab， 5-3)令V2= tr (A1LA)/tr (A1JA),如果V2-V1;^ ε，則停止迭代更新，輸出當前的ω κ、 (〇(；、（〇134、六(；為;否則，令￥ 1=￥2，進入5-4;￥2表示中間變量，8>0表示收斂閾值 ；
5-4)根據(jù)已知的"^，通過對^中矩陣進行特征分解得到公式⑴彡的解％、^^、 ωΒ，返回 5-2。
6. 根據(jù)權(quán)利要求5所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，投影后的訓練樣本特征集為：
7. 根據(jù)權(quán)利要求6所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，投影后的測試樣本特征為：
式中，yKe Rd、yee Rd、yBe Rd分別表示測試樣本y的R、G、B三個彩色分量，表 示核矩陣，心中第r行的元素4表示Xi中的第r個樣本，i=R，G，B。
8. 根據(jù)權(quán)利要求7所述的基于彩色特征雙重多核鑒別分析的人臉識別方法，其特征在 于，步驟3中使用基于歐氏距離度量的最近鄰分類器對測試樣本進行分類和識別，具體為： 計算投影后的測試樣本特征到投影后的訓練樣本特征集中每個訓練樣本特征的歐式距離， 將測試樣本歸到距離最小的那個訓練樣本所在的類。
【專利摘要】本發(fā)明公開了一種基于彩色特征雙重多核鑒別分析的人臉識別方法，將多核子空間學習技術(shù)應(yīng)用到彩色人臉特征的雙重鑒別分析中，對三個彩色分量分別使用三個不同的非線性核映射，再進行特征層雙重鑒別分析。對于雙重多核鑒別分析獲取的特征，使用基于歐氏距離度量的最近鄰分類器進行分類和識別。本發(fā)明識別效果更高，對R、G、B三個彩色分量的特征進行雙重多核鑒別分析之后，鑒別特征的分類能力得到了明顯增強。
【IPC分類】G06K9-00
【公開號】CN104680150
【申請?zhí)枴緾N201510104510
【發(fā)明人】劉茜
【申請人】南京信息工程大學
【公開日】2015年6月3日
【申請日】2015年3月10日