[发明专利]一种基于SVM分类的人脸识别方法及装置

权利要求书

1.一种基于SVM分类的人脸识别方法，其特征在于，包括：

由预置特征提取网络提取预置人脸数据集的面部特征，得到由面部特征向量构成的面部特征向量集；

将所述面部特征向量集划分为训练特征向量集和测试特征向量集；

用所述训练特征向量集对基于LP范数的SVM分类器进行训练，得到训练完成的SVM分类器；

将所述测试特征向量集输入所述训练完成的SVM分类器中进行测试，得到测试结果。

2.根据权利要求1所述的基于SVM分类的人脸识别方法，其特征在于，所述预置特征提取网络为DeepID网络。

3.根据权利要求1所述的基于SVM分类的人脸识别方法，其特征在于，所述由预置特征提取网络提取预置人脸数据集的面部特征，得到由面部特征向量构成的面部特征向量集，之前还包括：

提取人脸图像上的多个特征点，得到人脸特征点图；

将所述人脸特征点图先后进行基于多尺度和灰度化的增强处理，得到增强处理后的人脸特征点图；

将所述增强后的人脸特征点图作翻转处理，得到预置人脸数据集。

4.根据权利要求1所述的基于SVM分类的人脸识别方法，其特征在于，由预置特征提取网络提取预置人脸数据集的面部特征，得到由面部特征向量构成的面部特征向量集，还包括：

采用PCA对所述面部特征向量进行降维处理。

5.根据权利要求1所述的基于SVM分类的人脸识别方法，其特征在于，所述用所述训练特征向量集对基于LP范数的SVM分类器进行训练，得到训练完成的SVM分类器，包括：

构建基于LP范数的单边损失函数；

根据所述单边损失函数获取SVM分类器的目标函数，构建基于LP范数的SVM分类器。

6.根据权利要求1所述的基于SVM分类的人脸识别方法，所述将所述测试特征向量集输入训练完成的SVM分类器中进行测试，得到测试结果，还包括：

统计所述测试结果中的正确样本个数，将所述正确样本个数与测试样本总数的比值作为测试结果的准确率。

7.一种基于SVM分类的人脸识别装置，其特征在于，包括：特征提取模块、划分模块、训练模块、测试模块；

所述特征提取模块，由预置特征提取网络提取预置人脸数据集的面部特征，得到由面部特征向量构成的面部特征向量集；

所述划分模块，用于将所述面部特征向量集划分为训练特征向量集和测试特征向量集；

所述训练模块，用所述训练特征向量集对基于LP范数的SVM分类器进行训练，得到训练完成的SVM分类器；

所述测试模块，用于将所述测试特征向量集输入所述训练完成的SVM分类器中进行测试，得到测试结果。

8.根据权利要求7所述的基于SVM分类的人脸识别装置，其特征在于，还包括：增强模块；

所述增强模块，用于提取人脸图像上的多个特征点，得到人脸特征点图；

将所述人脸特征点图先后进行基于多尺度和灰度化的增强处理，得到增强处理后的人脸特征点图；

将所述增强后的人脸特征点图作翻转处理，得到预置人脸数据集。

9.根据权利要求7所述的基于SVM分类的人脸识别装置，其特征在于，还包括：降维模块；

所述降维模块，采用PCA对所述面部特征向量进行降维处理。

10.根据权利要求7所述的基于SVM分类的人脸识别装置，其特征在于，还包括：统计模块；

所述统计模块，用于统计所述测试结果中的正确样本个数，将所述正确样本个数与测试样本总数的比值作为测试结果的准确率。