[发明专利]一种人脸识别方法、装置、设备及计算机可读存储介质

权利要求书

1.一种人脸识别方法，其特征在于，包括：

利用可变模态分解算法对待识别人脸图像进行分解，得到所述待识别人脸图像的多个子图像；

对各子图像进行PCA特征提取，根据预设权重值对各子图像PCA特征进行加权组合，得到所述待识别人脸图像的人脸特征，所述权重值随着相应子图像包含的人脸信息量的增多而增大；

将所述人脸特征输入预先构建的SVM模型中，根据所述SVM模型的最优分类超平面确定所述待识别人脸图像的识别结果；所述SVM模型的最优惩罚参数与核参数根据预设算法迭代所得，所述预设算法为利用差分进化算法改进的灰狼优化算法；

其中，所述SVM模型的最优惩罚参数与核参数根据预设算法迭代所得的过程包括：

初始化所述SVM模型的最优惩罚参数与核参数，根据预设的参数为所述预设算法的狼群数量、最大迭代次数、交叉概率、缩放因子的最大值与最小值进行赋值；

利用下述适应度函数公式随机初始化狼群，并计算所述狼群中各灰狼的个体适应度值：

适应度函数公式为f(C,r)＝100-error，error为所述SVM模型对训练样本集的分类错误率，C为摆动因子；

式中，分别为第k个体的第p组成元素的上、下限，p＝2；rand为(0，1)间均匀分布的随机数，X为根据所述SVM模型的最优惩罚参数与核参数构成；

以非递减顺序对所述狼群中各灰狼的个体适应度值进行排序，并确定排列在前三位的灰狼的个体位置X_α、X_β、X_σ，以作为所述狼群的初始决策者；

根据灰狼优化算法的位置更新公式，更新灰狼父代种群中的个体位置，根据差分进化算法的变异公式和交叉公式进行变异和交叉操作，以产生新的子代狼群；

根据下述公式更新父代狼群，并更新灰狼优化算法中的摆动因子C、收敛因子A及系数向量a，并更新父代狼群中的决策者；

k为狼群数目，τ为迭代次数；

C＝2r₂、A＝2ar₂-a、a(t)＝2-2t/τ_max，r₂∈[0,1]间的随机数，t为当前迭代次数，τ_max为最大迭代次数；

重复算法的迭代计算过程直至算法的迭代次数达到最大迭代次数，根据最终各决策者的位置确定最优惩罚参数与核参数。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述利用可变模态分解算法对待识别人脸图像进行分解，得到所述待识别人脸图像的多个子图像包括：

利用Hilbert变换，计算得到各子图像模态信号u_k对应的解析信号，以计算各子图像的单侧频谱；

通过对各子图像的解析信号对应的中心频率ω_k的指数项混叠，将各子图像模态信号u_k的频谱变换至基频带；

对各子图像的解析信号梯度的平方L²范数进行计算，得到各子图像模态信号的带宽，以得到所述待识别人脸图像经过可变模态分解算法分解之后的多个有限带宽的子图像模态信号{u_k}，k＝1,2,…,K。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述待识别人脸图像的分解模态数为4。