[发明专利]一种多目的自动机器学习的方法

说明书

本发明提出一种多目的自动机器学习的方法，是由获得最大几率空间步骤，多目的处理步骤组成。获得最大几率空间步骤：针对给定的一个空间，可以获得该空间的最大几率空间的尺度，用这个尺度就可以获得出最大几率的空间，在得到新的最大几率空间后，又可以在新的最大几率空间中产生新的最大几率空间的尺度，用于下一个迭代产生更大概率的最大几率空间的处理。多目的处理步骤是：在上一步骤中所得到的最大慨率空间中，同时对目标函数进行复数目的的处理。本发明的效果是：可以通过在共同的最大几率空间的需求下，多目的目标函数之间在迭代过程中的相乘效果，在无需训练的情况下，可以实现自动机器学习的效果。

【技术领域】

本发明属于图像处理领域中的一种多目的自动机器学习的处理方法。

当前，人脸识别领域的技术竞争成为人工智能的主战场，其竞争的程度已达到非常激烈的程度。有日本电气公司公开了题为：“模式识别方法”(专利文献 1)。在这个专利里公开了一个将人脸五官位置的30个特征值组成的特征向量，然后用于训练同一人的人脸特征向量的集合内与不同人脸特征向量集合间的协方差，最后通过马氏距离(MahalanobisDistance)公式，得出样本特征向量与登录后的不同的人脸特征向量之间最小距离的特征向量所对应的人脸数据设定为识别结果。

作为拥有日本最高水平的人脸识别技术的日本电气公司之后又公开了：“人脸特征数据生成方法及装置，并且人脸类似度的算出方法与装置”(专利文献 2)。这个专利在上一个专利的基础上进一步对于每一个人脸图像的识别增加了一个信赖度指标的处理。这个信赖度指标是来自特征向量间的向量差的正态分布，特征向量的差向量的特征值间的方差，把人脸特征间的差向量的事后分布作为混合分布，从混合分布的对数尤度中导出来的等等，按照信赖度将模式之间的类似度算出，从而可以提高人脸识别的精度。

还是日本电气公司同韩国三星电子，在2004年又公开了一个人脸识别的专利：“人脸识别以及用于检索的特征向量抽出方法及其装置”(专利文献3)。在这个专利中公开了针对整体的人脸图像的第1正规化向量，第2正规化向量，通过傅立叶变换生成整体的傅立叶变换特征向量，再针对中心部位的人脸图像的第 3正规化向量，第4正规化向量，通过傅立叶变换生成中心部位的傅立叶变换特征向量。对于整体的人脸图像生成整体的强度特征向量，对于所定的局部区域的人脸图像生成局部的强度特征向量。上述第1正规化向量，第2正规化向量与全体的强度特征向量结合生成整体特征向量，上述第3正规化向量，第4正规化向量与局部的强度特征向量结合生成局部特征向量。以此构成用于检索的特征向量。

针对上述的发明日本电气公司在2006年又公开了题为：“人脸特征数据的生成方法与装置，以及人脸识别方法与系统”的专利(专利文献4)。该专利在专利文献3的基础上，又提出了通过图像的对比度不同生成信赖度值，以及通过图像的像素最大灰度值与最小灰度值的不同生成信赖度值，以及通过图像的像素分散与标准方差的不同生成信赖度值，以及通过图像的非对称指标的不同生成信赖度值，以及通过提取图像和反转图像之间的差分图像的像素值的相乘或相加所得到的值的不同生成信赖度值等的反映原图像状态的信赖度的新的计算方法。

经过十几年后日本电气公司就人脸识别技术又公开了最新的专利：“人脸识别装置，人脸识别方法，人脸识别程序，显示控制装置，显示控制方法以及显示控制程序”(专利文献5)。这个专利提出了按照人脸图像的局部进行识别的方法，根据人脸局部图像的类似度的阀值得出各个人脸局部图像之间的类似，模棱两可，不类似三个结果，按照每一个人脸局部图像的这三个结论作为整体人脸图像的识别的依据。

【公开文献】

【专利文献1】 特開平9-134432号公告

【专利文献2】 特開平2003-187229号公告

【专利文献3】 特開平特開2004-139596(P2004-139596A)

【专利文献4】 特開2006-344236(P2006-344236A)