基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，屬于人 臉識別領(lǐng)域。
【背景技術(shù)】
[0002] 現(xiàn)有基于RGB彩色特征雙重鑒別相關(guān)性分析的人臉識別方法（⑶DCA)(公開號 CN103116742A)，將線性鑒別相關(guān)性分析技術(shù)同時應(yīng)用到R、G、B三個彩色分量內(nèi)部和三個 彩色分量之間，在各個彩色分量內(nèi)部和不同彩色分量之間實現(xiàn)基于相關(guān)性度量的特征層雙 重鑒別分析。具體做法如下：
[0003]
【主權(quán)項】
1. 基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其特征在于，包括如下步 驟： 步驟1，獲得各彩色分量訓(xùn)練樣本集，定義各彩色分量訓(xùn)練樣本集內(nèi)部的類內(nèi)核特征相 關(guān)性矩陣和類間核特征相關(guān)性矩陣、以及各彩色分量訓(xùn)練樣本集之間的類內(nèi)核特征相關(guān)性 矩陣和類間核特征相關(guān)性矩陣； 步驟2,定義目標(biāo)函數(shù)并加入多核組合系數(shù)，對目標(biāo)函數(shù)求解，得到投影后的訓(xùn)練樣本 特征集； 步驟3,獲得測試樣本，根據(jù)上述投影后的訓(xùn)練樣本特征集，得出投影后的測試樣本特 征，使用基于相關(guān)性度量的最近鄰分類器對測試樣本進行分類和識別。
2. 根據(jù)權(quán)利要求1所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，步驟1中包括：定義第i個彩色分量訓(xùn)練樣本集內(nèi)部的類內(nèi)核特征相關(guān)性矩陣 C和類間核特征相關(guān)性矩陣C;、以及第i和第j個彩色分量訓(xùn)練樣本集之間的類內(nèi)核特征 相關(guān)性矩陣?和類間核特征相關(guān)性矩陣C如下：
其中，XKe RdXn、Xee RdXn、XBe Rdxn分別表示R、G、B三個彩色分量訓(xùn)練樣本集，η表示 所有彩色人臉圖像訓(xùn)練樣本的個數(shù)，d表示彩色分量訓(xùn)練樣本的維數(shù)，Rdxn表示dXn維的歐 幾里得空間；c表示彩色人臉圖像訓(xùn)練樣本的類別數(shù)；i和j分別表示第i個和第j個彩色 分量，i = R, G，B，j = R, G，B，i辛j ;p和q分別表示彩色人臉圖像的第p類和第q類，p = 1，2,…，c，q = 1，2,…，c，p辛q ;np和nq分別表示第p類和第q類的彩色人臉圖像訓(xùn)練樣本 個數(shù)；冰e R<i和4 e Rli分別表示Xi中第P類的第r個樣本和第t個樣本，4 e Rii表示Xj中第 P類的第t個樣本，心和分別表示XJPXj中第q類的第t個樣本，Rd表示 d維的歐 幾里得空間；Φ i ( ·)和Φ ^ ·)分別表示第i個和第j個彩色分量的核映射，將第i個和第j 個彩色分量樣本從原始d維的線性空間Rd映射到非線性高維核空間H JP氏和\的維數(shù) 分別為足和<;^eH,和分別表示t〇Q和中所有樣本的均值；右和 分別表示中心化后的Φ i (Xi)和Φ JXP，中心化是指所有樣本的均值是一個零向量；< e H, 和< e琿分別表示右中第p類的第r個樣本和第t個樣本，< =穹，< =; 表示勾中第p類的第t個樣本，攻=以^Hi和#eH/分別表示々和 勾中第q類的第t個樣本< =我(4)-穹，先(.<)-芍；T表示轉(zhuǎn)置;WJP W』分別表示 第i個和第j個彩色分量的投影變換，將核映射后的第i個和第j個彩色分量樣本維 數(shù)從.Zf和 < 降低到妒，#<min{￡^，砥，碑卜扣、埒、扣分別表示核映射后R、G、B三 個彩色分量樣本維數(shù)，巧=1^；，％=勾6，和分別是對和$的投 影系數(shù)矩陣，表示ηχ護維的歐幾里得空間；式和矣分別表示右和勾的核矩陣， 1':^:Κ「??狐，(:既 Κ「?+令W"，
KiE Rnxn和KjE Rnxn分別表示XJPXj的核矩陣，Rnxn表示nXn維的歐幾里得空間，E 1^ 示一個η階所有元素都為1的方陣；tr( ·)表示方陣的跡 表示一個\階所有元素都為1的方陣； 且，C:= C:, Cf= Cf。
3. 根據(jù)權(quán)利要求2所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，定義目標(biāo)函數(shù)為：
式中，F(xiàn)K、Fe、FB分別表示，、匁、匁的投影系數(shù)矩陣； 將目標(biāo)函數(shù)改寫為：
進一步改寫為： 加入多核組合系數(shù)，即用式替換盡、
％弋替換&，得出：
式中，ωκ、ω<;、〇^分別表示多核學(xué)習(xí)中對應(yīng)核函數(shù)kK、k e、kB的多核組合系數(shù)，kK、ke、 1^分別表不核映射Φκ(·)、Φ<；(·)、ΦΒ(·)對應(yīng)的核函數(shù)；ω,ΡΙ ω』分別表不多核學(xué)習(xí) 中對應(yīng)核函數(shù)匕和的多核組合系數(shù)，k JP分別表示核映射Φ i ( ·)和Φ ^ ·)對應(yīng)的 核函數(shù)。
4. 根據(jù)權(quán)利要求3所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，對目標(biāo)函數(shù)求解，得到各彩色分量的投影系數(shù)矩陣和多核組合系數(shù)，求解迭代方 法如下： 4_1)初始化 ωR= 1/3、ω G= 1/3、ω B= 1/3、V != _10 ，V1 為中間變莖，ωR、ωG、 ωΒ分別表不多核學(xué)習(xí)中對應(yīng)核函數(shù)kK、ke、kB的多核組合系數(shù)，k K、ke、1^分別表不核映射 Φ??(·)、<K(·)、ΦΒ(·)對應(yīng)的核函數(shù)，Φ??(·)、<K(·)、ΦΒ(·)分別表示 R、G、B 三個 彩色分量的核映射； 4-2)根據(jù)已知的ωκ、ω<;、ωΒ的值，按照下面的公式求解F K、Fe、FB:
C9) 使用拉格朗日乘子法求解公式（9)，得到如下的廣義特征方程： PF = QAF, (10) β
t、名、W分別表示中心化后的Φκ(χκ)、Φ^%)、ΦΒ(Χ Β)，λκ、和λ B分別是目標(biāo)函 數(shù)的三個約束/r 巧)=I、) = 1和) = 1的拉格朗曰乘子； 通過對（ΓΡ矩陣進行特征分解得到公式（9)的解 f B B 、 4-3)令~="-=斤(，沙)，如果V2-Vl< ε，則停止迭代更新，進入 i=R j=R J 4-5;否則，令V1= V2，進入4-4 ;ν2為中間變量，ε >〇表示收斂閾值； 4-4)根據(jù)已知的FK、Fe、FB，按照下面的公式求解新的ω κ、ω<;、ωΒ:
使用拉格朗日乘子法求解公式（11)，可得如下的廣義特征方程 τη - τ λ π
廣 1
通過對T1L矩陣進行特征分解得到公式（11)的解ωκ、ω<;、ω Β，返回4-2 ; 4-5)根據(jù)當(dāng)前的FK、Fe、FB和公式4=卜-計算AK、A e、AB，其中1"表示一個η階 單位陣，1=民6,8^3(；4分別表示（})1^1；)、(}) (^(；)、（^%)的投影系數(shù)矩陣。
5. 根據(jù)權(quán)利要求4所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，投影后的訓(xùn)練樣本特征集為： 4 = [(4?A)'，)r，f ]Γ。 （ 13)
6. 根據(jù)權(quán)利要求5所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，投影后的測試樣本特征為： r ιΤ Zjl = f，（<(%~f，F(xiàn) 。 "4) 式中，yKe R d、yee R d、yBe R吩別表示測試樣本y的R、G、B三個彩色分量；乂 e K 表示核矩陣，&中第r行的元素 d&>,.)，彳表示Xi中的第r個樣本，i = R，G，B。
7. 根據(jù)權(quán)利要求6所述的基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，其 特征在于，步驟3中使用基于相關(guān)性度量的最近鄰分類器對測試樣本進行分類和識別，具 體為計算投影后的測試樣本特征到投影后的訓(xùn)練樣本特征集中每個訓(xùn)練樣本特征的相關(guān) 性，將測試樣本歸到相關(guān)性最大的那個訓(xùn)練樣本所在的類。
【專利摘要】本發(fā)明公開了一種基于彩色特征雙重多核鑒別相關(guān)性分析的人臉識別方法，將多核子空間學(xué)習(xí)技術(shù)應(yīng)用到彩色人臉特征的雙重鑒別相關(guān)性分析中，對三個彩色分量分別使用三個不同的非線性核映射，再進行特征層雙重鑒別相關(guān)性分析。對于雙重多核鑒別相關(guān)性分析獲取的特征，使用基于相關(guān)性度量的最近鄰分類器進行分類和識別。本發(fā)明識別效果更高，對R、G、B三個彩色分量的特征進行雙重多核鑒別相關(guān)性分析之后，鑒別特征的分類能力得到了明顯增強。
【IPC分類】G06K9-00
【公開號】CN104732204
【申請?zhí)枴緾N201510103084
【發(fā)明人】劉茜
【申請人】南京信息工程大學(xué)
【公開日】2015年6月24日
【申請日】2015年3月10日