[发明专利]一种基于二阶二维主分量分析的人脸识别系统和方法

权利要求书

1.一种基于二阶二维主分量分析的人脸识别方法，其特征在于，包括如下步骤：

步骤1：采集原始图像集，对图像集采用二维主分量分析(2D)²PCA方法，学习到原始图像集的反映行特征信息的最优投影矩阵X₁和反映列特征信息的最优投影矩阵Z₁；

步骤2：对原始图像集中任一指定样本图像A，调用公式：作变换得到一阶特征矩阵C，根据一阶特征矩阵的特征向量指定样本图像；

步骤3：确定剩余图像集，对剩余图像集再次使用(2D)²PCA方法，学习到剩余图像集的反映行特征信息的最优投影矩阵X₂和反映列特征信息的最优投影矩阵Z₂；

步骤4：对剩余图像集中的任一余象A′调用公式：作变换得到图像矩阵A′的二阶特征矩阵C′；

步骤5：根据一阶特征矩阵和二阶特征矩阵确定与测试图象距离最近的样本图象，并判断测试图像是属于指定样本图像还是属于剩余图像；

步骤6：根据一阶特征矩阵计算样本图像的重建图像，根据二阶特征矩阵计算剩余图像的重建图像，两重建图像迭加，得到原始图像的重建图像。

2.根据权利要求1所述的人脸识别方法，其特征在于，步骤2中，根据一阶特征矩阵C中前r₁，c₁个反映光照信息的特征向量指定样本图像，其中，r₁为矩阵C的行，c₁为矩阵C的列，矩阵C中的前r₁，c₁个主元特征是根据(2D)²PCA方法特征提取所得的反映光照信息的特征向量。

3.根据权利要求1所述的人脸识别方法，其特征在于，按准则选择二阶特征矩阵的行c₂和列r₂，其中，λ为样本图像集的协方差矩阵的特征值，θ为给定门限值。

4.根据权利要求1所述的人脸识别方法，其特征在于，步骤5进一步包括，算法模块调用公式：d(A_t，A_j)＝a₁||C_i-C_j||+a₂||C′_t-C′_j||确定距离，设置权系数a₁和a₂使识别率最大。

5.根据权利要求4所述的人脸识别方法，其特征在于，对于光照变化不大的图像库，a₂∈[0，0.5]，而对于光照变化大的图像库，a₂∈[0.5，1]。

6.一种基于二阶二维主分量分析的人脸识别系统，其特征在于，采集模块

采集原始图像集，控制处理模块确定原始图像集的反映行特征信息的最优投影矩阵X₁和反映列特征信息的最优投影矩阵Z₁；算法模块调用公式：对原始图像集中任一指定样本图像作变换得到一阶特征矩阵C；控制处理模块确定剩余图像集的反映行特征信息的最优投影矩阵X₂和反映列特征信息的最优投影矩阵Z₂；算法模块调用公式：对剩余图像集的任一余象作变换得到图像矩阵的二阶特征矩阵C′；根据一阶特征矩阵和二阶特征矩阵确定距离；判断模块根据距离判断是否属指定类的样本；对于指定类的样本图像，控制模块根据一阶特征矩阵确定样本图像的重建图像，根据二阶特征矩阵确定剩余图像的重建图像；算法模块将两重建图像进行迭加，得到原始图像的重建图像。

7.根据权利要求6所述的人脸识别系统，其特征在于，一阶特征矩阵C中前r₁，c₁个主元特征是反映光照信息的特征向量，其中，r₁为矩阵C的行，c₁为矩阵C的列，矩阵C中的前r₁，c₁个主元特征是根据(2D)²PCA方法特征提取所得的反映光照信息的特征向量。

8.根据权利要求6所述的人脸识别系统，其特征在于，控制处理器按准则选择二阶特征矩阵的行c₂和列r₂，其中，λ为样本图像集的协方差矩阵的特征值，θ为给定门限值。

9.根据权利要求6所述的人脸识别系统，其特征在于，算法模块调用公式：d(A_t，A_j)＝a₁||C_t-C_j||+a₂||C′_t-C′_j||确定距离，设置权系数a₁和a₂使识别率最大。