[发明专利]一种基于分离度差有监督局部保持投影的人脸识别方法

说明书

技术领域

本发明涉及的是一种生物特征身份识别领域，特别涉及一种基于分离度差有监督局部保持投影的人脸识别方法。

背景技术

局部保持投影(Locality Preserving Projection,LPP)是一种局部线性特征提取方法，作为拉普拉斯特征映射的线性近似，它能够提取反映高维样本非线性流形的低维特征，同时也能够处理训练样本外的数据。局部保持投影本质上是一种无监督降维，并不能充分利用训练样本的类别信息（He X,Niyogi P.Locality preserving projections[J].Advances in Neural Information Processing Systems.2003,16:153-160）。

申中华等则从保留类内局部结构和类间分离度的角度出发提出一种有监督的局部保留投影方法（Supervised Locality Preserving Projection,SLPP），在一定程度上提高了局部保持投影方法的性能，但该方法确定的目标函数为Rayleigh商形式，其求解过程类似于传统的Fisher准则，因此，在人脸识别等小样本应用中，会遇到类内分离度矩阵奇异的问题，一般的解决思路是采用PCA和SLPP相结合，但降维过程中SLPP保留特征的维数将严重受限于PCA过程中所保留的特征维数（申中华,潘永惠,王士同.有监督的局部保留投影降维算法[J],模式识别与人工智能,2008,21(2):233-239.）。

发明内容

本发明的目的在于提供一种能够有效避免有监督局部保持投影在小样本情况下导致类内分离度矩阵奇异的特征提取人脸识别方法。

本发明的目的是这样实现的：

本发明包括以下步骤：

（1）从人脸库中读取人脸图像；

（2）对人脸图像进行特征提取，形成人脸特征；

（3）对人脸区域图像进行特征提取，从而获得特征提取所需变换矩阵和训练人脸图像的特征：

1）定义类内分离度矩阵为G_W=XL^WX^T，类内分离度J_W=a^TXL^WX^Ta=a^TG_Wa和类间分离度矩阵为G_B=XL^BX^T，类间分离度J_B=a^TXL^BX^Ta=a^TG_Ba，其中a为所求的投影向量，若W为类内相似度矩阵，L^W为通过W求取的类内拉普拉斯矩阵，X为高维欧氏空间中的训练样本，B为类间相似度矩阵，L^B为通过B求取的类间拉普拉斯矩阵；

2）构造出差模式的目标函数参数η为非负的可调因子；

3）求解广义分离度差矩阵(G_B-ηG_W)的特征值和特征向量确定出最优的投影轴；

（4）针对测试人脸图像进行特征提取，并通过基于欧氏距离的最近邻分类器进行分类识别。

本发明的有益效果在于：本发明采用基于差模式的目标函数代替基于Rayleigh商形式的目标函数，避免了人脸识别中的小样本问题，同时也使得有监督局部保持投影方法不再受限于PCA过程保留特征维数。避免了由于小样本导致的类内分离度矩阵奇异的问题和难以选取PCA与SLPP最优匹配维数的问题。

附图说明

图1为基于分离度差有监督局部保持投影的人脸识别流程图；

图2为部分训练样本图像；

图3为部分测试样本图像；

图4为Yale人脸库上的实验结果比较示意图；

图5为ORL人脸库上的实验结果比较示意图；

具体实施方式

下面结合附图对本发明作进一步描述：

一种基于分离度差有监督局部保持投影的人脸识别方法，首先需要从人脸数据库中读取人脸图像，然后针对人脸区域图像进行特征提取，最后通过最近邻分类完成人脸识别。

1、读取人脸图像