一种聚类再分类的人脸识别方法

摘要

本发明公开了一种聚类再分类的人脸识别方法，包括：获取训练样本；对训练样本进行均值化处理；对人脸图像进行Gabor纹理特征提取，得到每张人脸图像在提取特征后对应的特征向量；对所得每张人脸图像提取的Gabor纹理特征进行降维获得降维后的特征向量；及进行聚类运算，直至距离收敛以完成聚类；对聚类后的所有特征向量分类获得若干子类，计算确定每向量均值，计算获得类内距离和类间距离；对待识别目标的人脸图像进行特征提取和预处理，获得经投影变换后的特征向量，并将所得特征向量与每个子类中特征向量依次计算距离，以获得相似度；确定待识别目标的身份信息。本发明可缩小类间距离以减小采集过程中的误差，提高了人脸识别的准确率。

主权项

一种聚类再分类的人脸识别方法，其特征在于，包括：获取训练样本，所述训练样本包括目标的若干个人脸图像及每个图像对应目标的身份信息；对所述训练样本中人脸图像进行均值化处理；对所述均值化处理后的人脸图像进行Gabor纹理特征提取，得到每张人脸图像对应的特征向量；利用PCA降维算法对所得每张人脸图像提取的Gabor纹理特征进行降维获得降维后的特征向量；对所有降维后的特征向量进行聚类运算，直至距离收敛以完成聚类；对聚类后的所有特征向量分类获得若干子类，计算确定聚类后的每个子类的特征向量均值和聚类后所有特征向量的均值，及结合LDA分析算法计算获得类内距离和类间距离，求得使类间聚类和类内距离比值最大的Fisher投影变换矩阵，并对聚类后的每个子类特征向量均值做Fisher投影变换，得到经Fisher变换后的子类特征向量均值，训练完毕；对待识别目标的人脸图像进行特征提取得到特征向量，及对所提取待识别目标的人脸图像的特征向量处理获得经Fisher投影变换后的特征向量，并将其与每个子类经Fisher投影变换后的特征向量均值依次计算距离，以获得相似度；提取相似度所对应的子类和该子类中特征向量所对应的目标人脸图像，并将提取得到的目标人脸图像所对应身份信息确定为待识别目标的身份信息。