[发明专利]一种耦合步态特征的低分辨率人脸识别方法

权利要求书

1.一种耦合步态特征的低分辨率人脸识别方法，其特征在于，包括训练和识别阶段；训练阶段的方法为，首先，将所有低分辨率人脸、步态图像样本分别都转换到向量空间上，然后采用内积形式计算人脸和步态特征的核变换特征并对该特征进行修正，再将表示同一个体的低分辨率人脸图像和步态图像构成样本对，使得不同集合下的同一样本对足够近，并且保留数据局部结构的本质几何特性，建立目标优化模型，然后将目标函数转化成“迹”的形式后转换成广义特征分解，得到对于低分辨率人脸图像和步态图像的两个不同的变换矩阵，最后将低分辨率人脸图像和步态图像分别投影到这两个空间中，得到低分辨率人脸特征和步态特征，并把步态特征作为注册样本集；识别阶段的方法是：由测试样本向核空间的投影转换过程和匹配组成；实现方法为：测试的低分辨率人脸图像样本首先向量化，再经核变换由向量空间映射到核高维空间，样本匹配时在注册样本集中采用最近邻分类器来预测测试样本所属的类别。

2.如权利要求1所述的一种耦合步态特征的低分辨率人脸识别方法，其特征在于，所述的采用内积形式计算人脸和步态特征的核变换特征并对该特征进行修正，是根据以下公式进行的：

其中，x₁，x₂，……，x_M和y₁，y₂，……，y_M表示人脸图像、步态能量图像经向量化后的特征；φ表示核映射，是将原始向量特征映射到高维的特征空间中；K_x和K_y分别表示人脸图像、步态能量图像的核变换特征矩阵；

K_x和K_y中的每一项采用高斯核来计算如下

Kx(i,j)=exp(-||xi-xj||22σ2)---(3)]]>

Ky(i,j)=exp(-||yi-yj||22σ2)---(4)]]>

其中，σ为控制高斯核宽度的参数；

K_x和K_y采用如下去中心化方法，分别得到和

K~x=Kx-lM·Kx-Kx·lM+lM·Kx·lM---(5)]]>

K~y=Ky-lM·Ky·lM+lM·Ky·lM---(6)]]>

其中，l_M是系数为1/M的M×M的单位阵。