[发明专利]基于CSJOGA算法的选择性集成人脸识别方法

摘要

本发明公开了基于CSJOGA算法的选择性集成人脸识别方法，属于人脸识别技术领域，特别是一种基于联合稀疏投影改进混合正交遗传算法(CSJOGA)、bagging方法、选择性集成技术、多分类SVM方法的人脸识别新方法。本方法结合最小生成树聚类、联合稀疏投影和正交实验设计，提出了一种基于联合稀疏投影的正交交叉算子。然后利用正交实验方法设计交叉，并引入了聚类局部搜索策略，提出了基于联合稀疏投影的混合正交遗传算法。本方法能在大幅减少集成的分类器数量、减少存储和计算开销、有效提高人脸识别速度的前提下，保证人脸识别的正确率能够进一步提升至更高水平，确保实际应用时的分类精度达到理想要求。

主权项

基于CSJOGA算法的选择性集成人脸识别方法，其特征在于：阶段1)提取人脸图像的HOG特征，并使用PCA进行特征降维，形成特征脸；步骤1.对多分类人脸数据集提取HOG特征；步骤2.对步骤1中提取出的人脸HOG特征用PCA进行降维，并保存成csv格式；步骤3.对步骤2得到的csv格式的数据集进行格式转换，变成libsvm支持的格式；阶段2)使用bagging方法产生多个数据集，并用多分类SVM在训练集上分别训练；步骤4.对步骤3得到的libsvm格式的训练数据集进行bagging，产生100个与原数据集相等大小的新数据集；步骤5.对步骤4生成的100个bagging数据集分别用多分类SVM进行训练；阶段3)对每个SVM模型在训练集和测试集上都分别进行预测，并加入数据集中的标签列，合并成带标签的全部模型预测结果矩阵；步骤6.对步骤5训练出的100个SVM分类器在训练集和测试集都分别进行预测，保存预测结果；步骤7.对步骤6保存的100个SVM预测结果，连同相应数据集中的标签列，合并成一个矩阵，并保存；阶段4)使用基于联合稀疏投影改进混合正交遗传算法求解最优的选择性集成组合；步骤8.进行种群编码；采用实数编码，编码长度N为100，以便与步骤5训练出的100个SVM分类器一一对应，编码取值范围为(0，1)；其中，当某一位编码的值≤Threshold，Threshold取0.5，认为该位所代表的SVM分类器参与选择性集成；否则，认为不参与选择性集成；这样的话，每一个个体的编码本身就代表了一种选择性集成组合；步骤9.正交产生初始化种群；使用正交初始化种群的方法生成n个个体，组成初始种群P0，具体做法如下：首先将可行解空间分割成S个子空间，然后构造正交表根据正交表对每一个子空间利用所提出的基于联合稀疏投影的正交交叉算子进行交叉操作，生成初始种群P0；表1–子空间分割算法步骤10.生成待交叉种群P'gen；Pgen设表示当前代种群，其中，gen表示算法当前进化代数，total_gen是总进化代数，其中，gen∈{1，2，…，total_gen}，对当前代种群Pgen中的个体按照交叉概率Pcross选择并放入待交叉种群P′gen中；步骤11.执行交叉操作；对步骤10产生的待交叉种群P′gen使用基于联合稀疏投影的正交交叉算子，得到交叉后的种群Cgen；表2–基于联合稀疏投影的正交交叉算子提出的上述基于联合稀疏投影的正交交叉算子，融合了自适应最小生成树聚类、基于DCT基的联合稀疏投影、构造正交表这三种算法，这些算法的步骤分别如下：表3–自适应最小生成树聚类算法表4–基于DCT基的联合稀疏投影算法表5–创建正交表LM(QF)算法步骤12.执行局部搜索；对步骤10产生的待交叉种群P′gen实施聚类局部搜索策略，将产生的个体放入执行局部搜索后的种群Lgen中；表6–聚类局部搜索策略算法步骤13.执行变异操作；对步骤10产生的待交叉种群P′gen中的每个个体以变异概率Pmutation参与变异操作产生变异后的新种群Ggen；假设pi＝(pi，1，pi，2，…，pi，N)表示第i个待变异个体，其中，i∈{1，2，…，n}，则对第i个待变异个体pi进行变异的具体操作为：令pi中的每一位pi，j＝lj+r*(uj‑lj)，其中，r是在[0，1]范围内随机生成的一个小数，j是在[1，N]范围内随机生成的一个整数；步骤14.计算适应度；根据遗传算法种群编码代表的当前的选择性集成组合，用步骤7得到的训练集上的预测结果矩阵集成SVM，并在训练集上计算集成分类错误率，作为适应度函数f的值；步骤15.执行选择操作；首先将(Pgen+Cgen+Lgen+Ggen)中适应度最好的前个体放入下代种群Pgen+1中(其中，Pgen是当前代种群，Cgen是步骤11交叉后的种群，Lgen是步骤12执行局部搜索后的种群，Ggen是步骤13变异后的种群，n是种群规模)，然后在(Pgen+Cgen+Lgen+Ggen)剩余个体中随机选择个体放入下代种群Pgen+1中；步骤16.判断迭代终止条件；若满足以下三个条件之一，则停止迭代并输出，否则转步骤10：(1)迭代代数达到停止条件；(2)连续50代最优值不发生变化；(3)全局最优解已找到；阶段5)根据遗传算法计算出的最优的选择性集成组合，用测试集上的预测结果矩阵集成SVM，并在测试集上计算集成分类错误率；步骤17.根据步骤16停止迭代后计算出的最优选择性集成组合，挑选步骤7中用测试集预测并保存的所有SVM预测结果矩阵当中参与选择性集成的部分列，进行选择性集成，并计算集成分类器在测试集上的分类错误率；上述具体实施方案里的CSJOGA改进遗传算法中出现的符号及其参数的物理意义，如表7所示；表7–CSJOGA改进遗传算法符号表