[发明专利]一种基于双向压缩数据空间维度缩减的人脸识别方法和装置

权利要求书

1.一种基于双向压缩数据空间维度缩减的人脸识别装置，包括： 

预处理单元，接收输入的原始人脸图像，其中该原始人脸图像是只包含人脸面部信息的二维表情图像，预处理单元对输入的二维人脸图像进行尺度归一化、灰度归一化预处理，获得规范化的二维图像矩阵，将该二维图像矩阵输入到模糊矩阵构建单元； 

模糊矩阵构建单元，采用欧氏距离模糊判定法计算每个图像样本归属于不同被试者的隶属度，并依据模糊隶属度构建模糊权重矩阵； 

函数优化单元，利用惩罚因子制约投影后特征子空间中不同人脸样本之间的离散关系，并同时约束相同人图像样本之间的近邻关系及不同人图像样本之间的离散关系，采用广义特征值分解方法求目标函数最优解，得到最优函数所对应的特征向量； 

特征提取单元，利用特征向量分别从图像矩阵行方向和列方向对原始人脸图像进行线性映射，从而压缩图像数据维数，构建双向空间维数缩减的面部特征空间； 

模式分类单元，将已知图像样本提取后的面部特征作为训练数据，未知图像样本的面部特征作为测试数据，同时输入模式分类单元进行类别归属判断，输出人脸类别决策结果。 

2.根据权利要求1所述的基于双向压缩数据空间维度缩减的人脸识别装置，其特征在于该装置直接对二维图像矩阵进行信息挖掘处理，不需要将图像数据拉伸成一维数据向量，避免了维数过高带来的计算复杂度高，也消除了矩阵分解中的奇异值问题。 

3.根据权利要求1所述的基于双向压缩数据空间维度缩减的人脸识别装置，其特征在于模糊矩阵构建单元采用欧氏距离模糊判定法计算隶属度，具体包括：利用图像样本A_i和A_j之间的欧氏距离dis(A_i,A_j)＝||A_i-A_j||₂计算样本之间的相似度，并采用模糊判定法计算第j个样本归属于类别i的程度，若样本j归属于类别i，则μ_ij＝0.51+0.49(n_ij/k)；若样本j不归属于类别i，则μi_j＝0.49(n_ij/k)，根据欧氏距离判定法得到的隶属度构建模糊权重矩阵，样本j和样本k之间的权重系数表示为则(样本k属于类别i)。 

4.根据权利要求1所述的基于双向压缩数据空间维度缩减的人脸识别装置，其特征在于函数优化单元采用惩罚机制对投影后归属于不同人图像样本之间的关联性进行制约，惩罚因子由两两人脸类别均值矩阵之间的权重系数组成，即W_ij＝exp(-||F_i-F_j||²/t)，相应的对角线矩阵为E，对角线元素为

5.根据权利要求1所述的基于双向压缩数据空间维度缩减的人脸识别装置，其特征在于函数优化单元同时约束类内近邻关系和类间离散关系，采用广义特征值分解方法求解目标函数的 最优解，分别求解行方向降维的最优函数FQ的前d个最小特征值，对应的特征向量组成映射矩阵Q＝[q₁,q₂,…,q_d]；以及列方向降维的最优函数 的前q个最小特征值，对应的特征向量组成映射矩阵U＝[u₁,u₂,…,u_q]。 

6.根据权利要求1所述的基于双向压缩数据空间维度缩减的人脸识别装置，其特征在于特征提取单元将预处理后的原始图像样本，分别通过行方向和列方向进行线性变换，A_i→P_i＝U^TA_iQ，投影后的特征向量用于输入模式分类单元应用于模式决策。