[发明专利]一种基于最近特征线的人脸特征提取方法

摘要

一种基于最近特征线的人脸特征提取方法，直接利用图像矩阵数据进行计算，求取与人脸图像样本同样是矩阵的在同类人脸图像样本所生成的特征线上的投影点，并最小化基于二维最近特征线的类内散度矩阵，并得到一个线性变换，使得人脸图像样本经过该线性变换之后，基于二维最近特征线的类内散度最小。与传统的最近特征线空间方法相比，本发明降低了运算量，同时也可以尽可能多的保留图像矩阵本身临近像素点之间的相关性。

主权项

1.一种基于最近特征线的人脸特征提取方法，其特征在于：样本矩阵模块将输入的当前人脸图像样本矩阵化，存储在样本矩阵模块中，成为样本图像矩阵；样本图像矩阵的集合构成人脸数据库；散度矩阵构造模块计算基于二维最近特征线的样本图像矩阵之间的散度，并构造出当前人脸数据库的散度矩阵，此处的样本图像矩阵为存储在样本矩阵模块中的样本图像矩阵；投影矩阵构造模块根据当前人脸数据库的散度矩阵，构造当前人脸数据库的最优投影矩阵，并将人脸数据库中的人脸图像样本转化到特征空间，成为人脸样本特征矩阵，然后存储在人脸图像特征库，由人脸图像特征库输出人脸样本特征矩阵；样本矩阵模块得到N张人脸图像样本数据集利用最近特征线的定义，矩阵数据看作是高维线性空间的一个点，则这里给出二维最近特征线的定义：给定一个待分类的图像样本该图像样本在同一类别的两个样本X_i,X_j所生成的特征线上的投影点为Xp＝Xi+t(Xj‑Xi)，  (1)其中t＝＜Xq‑Xi,Xj‑Xi＞M/＜Xj‑Xi,Xj‑Xi＞M；则Xq到该特征线的距离为||Xq‑Xp||2；计算完Xq到所有特征线的距离之后，找到距离最小的特征线，然后将Xq分到相应类别；这里Xq和Xp均为矩阵；二维最近特征线分析的目标函数为：其中表示X_m在由X_i和X_j所生成的特征线上的投影，l(X_i)表示X_i的类别标签，由上述公式可知，二维最近特征线分析的目标是最小化基于二维最近特征线的类内散度，经过矩阵计算，可知：这里这样矩阵S的最小的特征值所对应的特征向量组成的矩阵，就是二维最近特征线分析所要找的最优变换矩阵。