[发明专利]一种基于人脸图像特征极限学习机的人脸识别方法有效
申请号: | 201510078423.X | 申请日: | 2015-02-13 |
公开(公告)号: | CN104657718B | 公开(公告)日: | 2018-12-14 |
发明(设计)人: | 卢涛;杨威;张彦铎;李晓林;万永静;余军;鲁统伟;闵锋;周华兵;朱锐;李迅;魏运运;黄爽;段艳会;张玉敏 | 申请(专利权)人: | 武汉工程大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/66 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 唐万荣 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 图像 特征 极限 学习机 识别 方法 | ||
1.一种基于人脸图像特征极限学习机的人脸识别方法,其特征在于,包括如下步骤:
S1,图像预处理;所述图像预处理包括对原始人脸图像进行校准,人脸图像的增强以及归一化,用于得到尺寸一致,灰度值取值范围相同的标准化人脸图像集;原始人脸图像包括:人脸注册库图像和测试图像,其中人脸注册库包括根据不同人脸预先采集的多张图像,测试图像是采集用来测试识别方法的图像;
S2,进行人脸特征的主成分特征向量提取,步骤如下:将标准化人脸图像的训练图片样本集进行主成分分析降维处理,设置特征维数参数,得到特征脸;
S3,将训练样本图片集在特征脸上进行投影,进行标号分类后得到相应的特征脸系数矩阵;
S4,利用特征脸系数矩阵训练极限学习机,对极限学习机中节点个数参数进行优化设置;通过随机初始化网络的输入权值以及隐元的偏置,得到隐层输出矩阵;自动调节神经元个数使得输出的误差最小,确定最优的神经元个数;
S5,输入测试人脸图像的主成分特征向量,利用极限学习机的优化参数预测输入人脸图像的类别属性,完成人脸识别过程;
所述步骤S2的具体过程如下:
S21)对于一个像素m×n的人脸图像,先将图像的像素按照行展开组成一个列向量D,D是mn×1的列向量;设N是训练样本的总个数,Xi表示第i幅人脸图像的向量,可以得到协方差矩阵:
其中μ为训练样本的平均图像向量,
S22)令A=[x1-u,x2-u,...,xn-u],则有Sr=AAT,其维数为M×M,M=m×n;
根据K-L变换定理,新的坐标系由矩阵AAT的非零特征值所对应的特征向量组成;采用奇异值分解定理,若矩阵AAT的r个非零特征为λi(i=1,2,..,r),其对应的特征向量为vi,正交归一化特征向量ui可以根据公式得出:
该向量就是总离散度AAT的特征向量;主成分表达基由这些子空间u1,u2,...,ur向量组成,其中r表示主成分的个数,这样每张人脸图像都能在主成分的特征子空间进行投影;
S23)为了降低维数,按照特征值占整个特征值的比例来选取前n个最小特征向量:
其中,α的取值范围为α=90%~99%;由于这些特征向量对应的图像很像人脸,被称为“特征脸”,即w=(u1,u2,...,ur);
所述步骤S3的具体过程为:
将每一幅人脸与平均脸的差值矢量投到特征向量空间,可以得到新的特征矩阵:
Ω=wTdi,(i=1,2,...,n) (5)
若特征矩阵d的第i列代表的是第n个人脸的特征信息,将第i列列首增加一行,数值为n,表示其类别属性;这样就可以对特征矩阵进行标签分类;得到用于训练和分类的特征脸系数矩阵;
对于给定的一副人脸图像x,那么利用特征脸所获得的人脸特征向量为:
x-μ=w·d (6)
这里x-μ代表输入图像和平均脸的差值,d表示其在特征空间w的投影,x-μ的维数是M×1,w的维数是M×k,d的维数是k×1,根据式(6)可得:d=(x-μ)w-1;
集合所有目标样本组成矩阵D,维数为k×n,n代表样本数量,k代表了每个样本图片降维后得到的特征信息的维数;
在每一列的列首加上其标准的类型信息,得到待分类的系数矩阵,维数是(1+k)×n。
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武汉工程大学,未经武汉工程大学许可,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/pat/books/201510078423.X/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序