[发明专利]一种改进的增量非负矩阵分解人脸识别算法在审
| 申请号： | 201910289072.5 | 申请日： | 2019-04-11 |
| 公开（公告）号： | CN110059606A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 伊力哈木·亚尔买买提 | 申请（专利权）人： | 新疆大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 北京方圆嘉禾知识产权代理有限公司 11385 | 代理人： | 董芙蓉 |
| 地址： | 830047 新疆维吾尔自治区乌鲁木齐市天*** | 国省代码： | 新疆;65 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种改进的增量非负矩阵分解人脸识别算法，该算法采用中心对称的局部二阶微分模式(CS‑LDP)算法和改进的增量非负矩阵分解(IINMF)算法分别提取其人脸面部图像的表征向量，并利用典型相关分析(CCA)将其上述两种算法所提出来的人脸表征向量进行融合，得到最终的人脸面部图像特征。实验证明，提出的算法能够在非均匀关照具有很好地提取人脸特征，拥有很高的识别率，稳定的实时性和鲁棒性。 | ||
| 搜索关键词： | 算法 非负矩阵 人脸识别算法 人脸面部 分解 向量 改进 人脸特征 图像特征 微分模式 中心对称 非均匀 鲁棒性 实时性 识别率 二阶 人脸 图像 融合 分析 | ||
【主权项】：
1.一种改进的增量非负矩阵分解人脸识别算法，其特征在于，包括以下步骤：(1)随机选择人脸面部图像中n幅图像当为训练样本，除此之外为测试样本人脸面部图像；将每幅人脸原始面部图像进行划分并分成相等大小的块以便于特征提取；(2)将分块之后的每个训练样本子图像提取CS‑LDP的特征向量用![]()
表示，然后将每个人脸图像的所有分块子图像的直方图连接在一起，并用![]()
表示；(3)提取改进增量式非负矩阵分解(IINMF)用![]()
表示，然后将每一幅图的所有分块子图像的特征向量连接在一起用![]()
表示；(4)利用公式![]()
的特征融合策略将CS‑LDP的直方图特征与改进增量式非负矩阵分解(IINMF)直方图特征进行融合，得到最终的融合特征Z；(5)利用最近邻分类器进行分类识别。
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新疆大学，未经新疆大学许可，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/201910289072.5/，转载请声明来源钻瓜专利网。
