本发明公开了一种人脸识别的方法,通过对测试样本和训练样本进行随机的降维,并生成相似性学习训练集和测试集,选择支持向量机的正则参数和高斯核函数,将相似性学习的训练集输入到正则参数和高斯核函数中,得到分类器模型,再将相似性学习的测试集输入到分类器模型中,得到分类结果,通过将所述分类结果进行求和,与某一类样本的样本数量的商为所述某一类的相似性概率的大小,取得最大值,并将所述最大值输出,得到相似性概率的大小,得到最准确的人脸识别结果。通过对样本的降维,将样本复杂度降低,使得基于SVM来学习人脸图像之间的相似性的算法快速;另外,通过对于每一类进行的算法,使得人脸识别率有了相应的提高。
一种人脸识别的方法,其特征在于,基于支持向量机SVM来学习人脸图像之间的相似性,包括:对人脸训练数据构造相似性学习的原始训练样本,并对所述原始训练样本进行随机降维,生成相似性学习训练集;将所述相似性学习的训练集采用支持向量机进行训练,生成分类器模型;对人脸测试数据构造相似性学习的原始测试样本,并对所述原始测试样本进行随机降维,生成相似性学习测试集;根据所述分类器模型对所述相似性学习测试集进行分类,得到所述相似性学习测试集的分类结果,根据所述相似性学习测试集的分类结果按照预设规则统计待测试样本与所述原始训练样本中每一类训练样本间的相似性概率,并将所述相似性概率最大值输出,得到人脸识别结果。
本文链接:http://www.vipzhuanli.com/tech/sell/s_175477.html,转载请声明来源钻瓜专利网。