[发明专利]基于集成学习的混合融合人脸识别方法

权利要求书

1.基于集成学习的混合融合人脸识别方法，其特征在于，包括以下步骤：

1.）输入待鉴定身份的人脸图像；

2.）基于ART2人脸识别方法的鉴定，如果ART2网络系统有识别结果返回，则 接收识别结果，鉴定成功；否则，进入下一步骤进行鉴定；

本步骤中，基于ART2人脸识别方法中的ART2网络系统包括注意子系统和 定向子系统；所述注意子系统用于对输入的表示人脸图像的向量x进行处理， 完成竞争选择及相似度的比较，所述人脸图像模式为局部二值模式，即LBP； 所述定向子系统用于检查相似度是否达到了识别判定标准并做出相应动作，如 果达到相似度要求则发生共振，否则发生重置；所述注意子系统分为F1比较 层和F2识别层，所述F1比较层用于对输入的表示人脸特征的向量x进行去噪、 归一化预处理，之后经上行滤波通道进入F2识别层进行竞争,在F2识别层选出 并激活其存贮原型与输入模式最相似的节点，被选中的节点经下行反馈通道将 通道中存贮的模式原型送入定向子系统进行相似度的警戒测试，定向子系统执 行比较和重置两个功能：预先设定一个警戒参数,比较输入的中层模式与包含 模板原型信息的反馈模式之间的相似程度是否高于该警戒参数，如果是，则进 入共振状态,输出最终识别结果，鉴定成功；否则，发出重置波屏蔽当前被激 活的节点；

所述ART2网络系统还包括一个存储结构，该存储结构不仅用于输出最终识 别结果，还按照相似度从高到低的排序来存储已经注册的模式标记，为融合步 骤提供帮助；

3.）基于特征脸识别方法的鉴定，设定特征脸识别方法的阈值为S，用特征脸 识别方法对人脸图像进行鉴定，得分为s，如果s>S,则接收识别结果，鉴定成 功；否则，进入后续的融合步骤进行鉴定；

4.）融合鉴定步骤，利用ART2人脸识别方法和特征脸识别方法分别给出的相似 度的排序，对这两种识别方法的识别结果进行比较，如果排序中的第一个相同， 则接收识别结果，鉴定成功；否则，鉴定失败。

2.如权利要求1所述的基于集成学习的混合融合人脸识别方法，其特征在于， 所述步骤3.）中，基于特征脸识别方法如下：

提取N个人脸图像作为训练样本，每一个样本构成一个向量x_i，x_i由人脸 图像的像素灰度构成，即x_i的维数为D=w×h，其中，w为图像的长度，h为图 像的宽度，由N个向量构成一个样本向量集{x₁,x₂,...,x_N}；

第一步，根据式（3）求此样本向量集的平均向量；

x‾=1NΣi=1Nxi---(3)]]>

第二步，求此样本向量集的偏差矩阵M，M为D×N维；

M＝{y₁，y₂，...，y_N}，其中

第三步，根据式（4）求此样本向量集的协方差矩阵C；

C=DDT=1NΣi=1NyiyiT---(4)]]>

第四步，求该协方差矩阵C的特征值λ_i和相应的特征向量e_i，该组特征向 量e_i是正交的，任何人脸图像都可以由该组特征向量e_i表示，将特征向量e_i按其 特征值λ_i从大到小排列，λ₁≥λ₂≥...≥λ_d≥...≥λ_D，e₁≥e₂≥...≥e_d≥...≥e_D；

第五步，根据式（5）从大到小选择d个特征值λ_i对应的特征向量e_i组成变 换矩阵W=[e₁,e₂,...,e_d]，d<<D，在构造的子空间中，x_i表示为z_i=W^Ty_i；

Σj=1dλjΣi=1Dλi≥0.85---(5)]]>

第六步，对于待鉴定的人脸图像用t来表示，提取t的特征值，该特征值 表示为使用式（6）求余弦距离来度量t与每一个x_i的相似度，然 后使用最近邻分类器对人脸图像进行识别，并给出相似度由高到低的排序

d(t,xi)=s·zi||s||||zi||---(6).]]>