一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法和系統(tǒng)及人臉識(shí)別器的制造方法
【專利摘要】本申請(qǐng)公開(kāi)了一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法和系統(tǒng)及人臉識(shí)別器，所述方法包括：對(duì)訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣；采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記；采用二次投影矩陣對(duì)一次降維訓(xùn)練樣本矩陣進(jìn)行二次降維，得到二次降維訓(xùn)練樣本矩陣，和二次降維訓(xùn)練樣本集；建立測(cè)試樣本，對(duì)所述測(cè)試驗(yàn)本進(jìn)行兩次降維，得到二次降維測(cè)試樣本；提取與所述二次降維測(cè)試樣本距離最近的二次降維訓(xùn)練樣本，并把所述二次降維訓(xùn)練樣本的類別標(biāo)簽賦予所述二次降維測(cè)試樣本。相對(duì)于現(xiàn)有技術(shù)的降維方法，采用本申請(qǐng)?zhí)峁┑娜四樧R(shí)別方法，可以實(shí)現(xiàn)有監(jiān)督學(xué)習(xí)，并且具有較高的識(shí)別率。
【專利說(shuō)明】一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法和系統(tǒng)及人臉識(shí)別器
【技術(shù)領(lǐng)域】
[0001]本申請(qǐng)涉及人臉檢測(cè)【技術(shù)領(lǐng)域】，更具體地說(shuō)，涉及一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法和系統(tǒng)及人臉識(shí)別器。
【背景技術(shù)】
[0002]人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，它由計(jì)算機(jī)分析人臉圖像，從圖像中提取有效信息并自動(dòng)鑒別，人臉識(shí)別技術(shù)廣泛應(yīng)用于安全系統(tǒng)及人機(jī)交互等方面，已成為計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域中重要的研究課題之一。
[0003]通常而言人臉圖像都是以高維數(shù)據(jù)存儲(chǔ)的，需要將訓(xùn)練數(shù)據(jù)集投影到低維空間進(jìn)行降維。
[0004]傳統(tǒng)的降維算法分為線性降維及非線性降維，經(jīng)典的線性降維算法有主分量分析(PCA)、線性判別分析(LDA)等。線性降維算法通過(guò)對(duì)訓(xùn)練樣本的學(xué)習(xí)得到映射矩陣，再通過(guò)線性運(yùn)算將高維空間的數(shù)據(jù)映射至低維空間，算法計(jì)算復(fù)雜度低，適合實(shí)時(shí)應(yīng)用。但是，它對(duì)非線性分布數(shù)據(jù)的降維效果不佳。對(duì)于非線性分布的數(shù)據(jù)，我們可以采用流形學(xué)習(xí)的降維方法。
[0005]因此，又出現(xiàn)了鄰域保持嵌入(NeighborhoodPreserving Embedding,NPE)算法，該方法適用于分布在流形上的數(shù)據(jù)，已經(jīng)被成功地應(yīng)用到人臉識(shí)別領(lǐng)域。但是NPE算法在進(jìn)行線性重構(gòu)時(shí)并沒(méi)有對(duì)鄰域種類進(jìn)行判斷，導(dǎo)致識(shí)別率降低。

【發(fā)明內(nèi)容】

[0006]有鑒于此，本申請(qǐng)?zhí)峁┮环N能夠在進(jìn)行線性重構(gòu)時(shí)可以對(duì)鄰域種類進(jìn)行判斷，從而提高人臉別率降的方法、系統(tǒng)以及人臉識(shí)別器。。
[0007]為了實(shí)現(xiàn)上述目的，現(xiàn)提出的方案如下:
[0008]一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法，所述方法可以包括:
[0009]對(duì)訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣；
[0010]采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記；
[0011]采用二次投影矩陣對(duì)一次降維訓(xùn)練樣本矩陣進(jìn)行二次降維，得到二次降維訓(xùn)練樣本矩陣，和二次降維訓(xùn)練樣本集；
[0012]建立測(cè)試樣本，對(duì)所述測(cè)試驗(yàn)本進(jìn)行兩次降維，得到二次降維測(cè)試樣本；
[0013]提取與所述二次降維測(cè)試樣本距離最近的二次降維訓(xùn)練樣本，并把所述二次降維訓(xùn)練樣本的類別標(biāo)簽賦予所述二次降維測(cè)試樣本。
[0014]其特征在于，上述方法中，所述對(duì)已有訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣，包括:[0015]設(shè)訓(xùn)練樣本集為E RJ,Ci = {1,2,..，€}，其中d為樣本的維數(shù)，η為樣本數(shù)
據(jù)的個(gè)數(shù)，C為數(shù)據(jù)的類別數(shù)；
[0016]訓(xùn)練樣本矩陣為X= [Xl，X2, , xj e Rdxn ；
[0017]對(duì)訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集沃At，' E Rd'和一次
降維訓(xùn)練樣本矩陣X1=P1tX,其中，P1是由PCA方法生成的投影矩陣，且P1 e Rdxd1。
[0018]優(yōu)選的，上述方法中，所述采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記，包括:
[0019]構(gòu)建并采用類別散度矩陣H標(biāo)記每個(gè)訓(xùn)練點(diǎn)的類別信息；
[0020]具體的，對(duì)于訓(xùn)練樣本& ,若?,在所述&的k近鄰內(nèi)且與&具有相同的類別標(biāo)簽，
則 Hij=-1 ;否則 HiJ=+1 ；
[0021]具體的，所述H定義為:
[0022]
【權(quán)利要求】
1.一種監(jiān)督鄰域保持嵌入人臉識(shí)別方法，其特征在于，所述方法包括: 對(duì)訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣； 采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記； 采用二次投影矩陣對(duì)一次降維訓(xùn)練樣本矩陣進(jìn)行二次降維，得到二次降維訓(xùn)練樣本矩陣，和二次降維訓(xùn)練樣本集； 建立測(cè)試樣本，對(duì)所述測(cè)試樣本進(jìn)行兩次降維，得到二次降維測(cè)試樣本； 提取與所述二次降維測(cè)試樣本距離最近的二次降維訓(xùn)練樣本，并把所述二次降維訓(xùn)練樣本的類別標(biāo)簽賦予所述二次降維測(cè)試樣本。
2.根據(jù)權(quán)利要求1中的所述方法，其特征在于，所述對(duì)已有訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣，包括: 設(shè)訓(xùn)練樣本集為
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記，包括: 構(gòu)建并采用類別散度矩陣H標(biāo)記每個(gè)訓(xùn)練點(diǎn)的類別信息； 具體的，對(duì)于訓(xùn)練樣_ Y若&在所述$的k近鄰內(nèi)且與?,具有相同的類別標(biāo)簽，則Hij=-1 ;否則 Hij=+1 ； 具體的，所述H定義為:
4.根據(jù)權(quán)利要求3中的所述方法，其特征在于，所述二次降維的目標(biāo)優(yōu)化函數(shù)為:
5.根據(jù)權(quán)利要求4中的所述方法，其特征在于，包括:對(duì)所述公式(1)的求解可以通過(guò)對(duì)矩陣(2)進(jìn)行特征分解得到；
XLXt a =XMXt a (2) 其中M= (1-W)τ (1-W)，1為單位矩陣
6.根據(jù)權(quán)利要求5中的所述方法，其特征在于，所述二次降維訓(xùn)練樣本矩陣:包括:X2=PtX1 ;所述二次降維訓(xùn)練樣本集為:，其中(e Rd2。
7.根據(jù)權(quán)利要求6中的所述方法，其特征在于，所述二次降維測(cè)試驗(yàn)本為Y=PtP1t^
8.—種監(jiān)督鄰域保持嵌入人臉識(shí)別系統(tǒng)，其特征在于，包括:預(yù)處理模塊、二次降維模塊和分類模塊； 所述預(yù)處理模塊，用于對(duì)訓(xùn)練樣本集進(jìn)行初始降維，獲得一次降維訓(xùn)練樣本集和一次降維訓(xùn)練樣本矩陣，采用類別散度矩陣對(duì)一次降維訓(xùn)練樣本集中的每個(gè)訓(xùn)練點(diǎn)的類別信息進(jìn)行標(biāo)記； 所述二次降維模塊，用于采用二次投影矩陣對(duì)一次降維訓(xùn)練樣本矩陣進(jìn)行二次降維，得到二次降維訓(xùn)練樣本矩陣，和二次降維訓(xùn)練樣本集； 所述分類模塊，用于建立測(cè)試樣本，對(duì)所述測(cè)試樣本進(jìn)行兩次降維，得到二次降維測(cè)試樣本，找到與所述二次降維測(cè)試樣本距離最近的二次降維訓(xùn)練樣本，并把所述二次降維訓(xùn)練樣本的類別標(biāo)簽賦予所述二次降維測(cè)試樣本。
9.一種人臉識(shí)別器，其特征在于，包括權(quán)利要求9中的所述人臉識(shí)別系統(tǒng)。
【文檔編號(hào)】G06K9/00GK103793704SQ201410087724
【公開(kāi)日】2014年5月14日 申請(qǐng)日期:2014年3月11日 優(yōu)先權(quán)日:2014年3月11日
【發(fā)明者】張莉, 包興, 趙夢(mèng)夢(mèng), 楊季文, 王邦軍, 何書(shū)萍, 李凡長(zhǎng) 申請(qǐng)人:蘇州大學(xué)