基于多视图局部线性表示保留鉴别嵌入的人脸识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110084163A(43)申请公布日2019.08.02(21)申请号201910313638.3(22)申请日2019.04.18(71)申请人南京信息工程大学地址210044江苏省南京市江北新区宁六路219号(72)发明人刘茜夏志坚高鹏(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人张华蒙(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于多视图局部线性表示保留鉴别嵌入的人脸识别方法(57)摘要本发明公开了基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，属于人脸识别技术领域，该方法对每个彩色人脸图像训练样本，计算其到其他每个彩色人脸图像训练样本的距离，并选择K个最近邻的彩色人脸图像训练样本；对每个彩色分量图像训练样本，使用其K近邻的彩色分量图像训练样本来线性表示该样本，获得相应的线性表示系数；对所有彩色分量图像训练样本及其线性表示进行多视图的局部鉴别嵌入，获得最优线性投影向量；计算待识别样本特征到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。本发明可以充分利用彩色人脸图像的色彩差异信息和不同色彩之间的互补信息，有效提高人脸识别的效果。CN110084163ACN110084163A权利要求书1/2页1.基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，其特征在于，包括如下步骤：步骤1，对每个彩色人脸图像训练样本，计算其到其他每个彩色人脸图像训练样本的距离，并选择K个最近邻的彩色人脸图像训练样本；步骤2，对每个彩色分量图像训练样本，使用其K近邻的彩色分量图像训练样本来线性表示该样本，获得相应的线性表示系数；步骤3，对所有彩色分量图像训练样本及其线性表示进行多视图的局部鉴别嵌入，获得最优线性投影向量；步骤4，得到投影后的训练样本特征集和待识别样本特征，计算待识别样本特征到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。2.根据权利要求1所述的基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，其特征在于：所述的步骤1中，按照公式(I)计算彩色人脸图像训练样本xpq到其他每个彩色人脸图像训练样本的距离：其中，X＝{XR,XG,XB}表示包含R、G、B三个彩色分量的彩色人脸图像训练样本集，表示包含c个类别的i分量图像训练样本集，表示Xi中第p个类别的训练样本集，中包含Np个训练样本，表示Xi中第p个类别的第q个训练样本，表示X中第p个类别的第q个彩色人脸图像训练样本，i＝R,dG,B，p＝1,2,…,c，q＝1,2,…,Np，R表示d维的实向量集合；根据xpq到其他每个彩色人脸图像训练样本的距离大小，选择K个最近邻的彩色人脸图像训练样本其中，到xpq的距离最小，到xpq的距离第二小，以此类推；K是一个可调参数。3.根据权利要求2所述的基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，其特征在于：所述的步骤2中，通过求解公式(II)获得彩色分量图像训练样本的线性表示系数其中，分别表示的j分量图像训练样本，j＝R,G,B。4.根据权利要求3所述的基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，其d特征在于：所述的步骤3中，通过求解公式(III)获得最优线性投影向量vR,vG,vB∈R：2CN110084163A权利要求书2/2页其中5.根据权利要求4所述的基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，其特征在于：所述的步骤4中，具体做法如下：投影后的训练样本特征集表示为d对于一个待识别的彩色人脸图像样本y＝{yR,yG,yB}，yi∈R表示y的i分量图像样本，i＝R,G,B；投影后的待识别样本特征表示为计算Zy到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。3CN110084163A说明书1/5页基于多视图局部线性表示保留鉴别嵌入的人脸识别方法技术领域[0001]本发明属于人脸识别技术领域，具体涉及基于多视图局部线性表示保留鉴别嵌入的人脸识别方法。背景技术[0002]专利申请号201710800577.4基于局部线性表示保留鉴别嵌入的人脸识别方法定义如下：[0003]设X＝[X1,X2,...,Xc]表示包含c个类别的训练样本集，表示第i个dd类别的训练样本集，Xi包含Ni个样本，xij∈R表示第i类的第j个训练样本，R表示d维的实向量集合。[0004]基于局部线性表示保留鉴别嵌入的人脸识别方法首先计算训练样本xij到其他每个训练样本的欧几里得距离，并根据xij到其他每个训练样本距离的大小，选择K个近邻训练样本其中，到xij的距离最小，到xij的距离第二小，以