[发明专利]基于图像分割二维双向数据线性相关组合的人脸识别方法在审
| 申请号： | 201810494929.2 | 申请日： | 2018-05-22 |
| 公开（公告）号： | CN108681721A | 公开（公告）日： | 2018-10-19 |
| 发明（设计）人： | 丁碧薇;计华;王强;刘丽 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34;G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 李琳 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于图像分割二维双向数据线性相关组合的人脸识别方法，将人脸图像划分成互不重叠且大小相等的若干子块图像，对每一子图像按其二维点阵数据形式且分别从行、列两个方向寻找两两不相交的线性相关组合，每两组组合间协方差为零，且这些组合包含的信息量依次递减。通过二维双向主成分分析算法学习测试图像每一部分得到样本集的协方差矩阵，对协方差矩阵进行特征值分解，得到二维双向特征值，将对应的特征向量排列起来构成最优的投影矩阵，求得图像的特征矩阵，利用支持向量机对测试图像分类。本发明可以更好地显示整幅图像的局部信息。 | ||
| 搜索关键词： | 二维 线性相关 协方差矩阵 人脸识别 双向数据 图像分割 图像 主成分分析算法 特征值分解 支持向量机 测试图像 大小相等 点阵数据 方向寻找 互不重叠 局部信息 人脸图像 特征矩阵 特征向量 投影矩阵 学习测试 依次递减 整幅图像 不相交 协方差 样本集 子图像 子块 信息量 分类 | ||
【主权项】：
1.一种基于图像分割二维双向数据线性相关组合的人脸识别方法，其特征是：将所有测试图像划分成互不重叠和大小相等的若干部分，通过二维双向主成分分析算法学习测试图像每一部分得到样本集的协方差矩阵，对协方差矩阵进行特征值分解，得到二维双向特征值，将对应的特征向量排列起来构成最优的投影矩阵，求得图像的特征矩阵，利用支持向量机对测试图像分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810494929.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种人证核验管理系统和方法
- 下一篇：一种基于纹理的手指静脉特征匹配方法
