基于最小化总投影误差一元回归分类方法的人脸识别方法

摘要

本发明公开了一种基于最小化总投影误差一元回归分类方法的人脸识别方法，包括如下步骤：给定一个人脸图像向量训练集，在原始向量空间找到类投影矩阵H^x_i；计算所有训练数据的类内投影误差矩阵E_x；求出特征分解问题的解E_x，找到一元旋转矩阵U；将每个训练图像向量转换为一个新的向量空间；在旋转空间计算每个类的特定投影矩阵H^z_i识别阶段：转换每个测试人脸图像向量x至旋转向量空间；利用H^z_i投影旋转向量Z至第i类空间；确定身份。本发明通过最小化线性回归分类中所有类的总类内投影误差来提高人脸识别的鲁棒性，考虑总类内投影误差的目的是最小化类内重建误差，通过寻求一种更好的投影矩阵，使得所有类的总类内重建误差最小。

主权项

一种基于最小化总投影误差一元回归分类方法的人脸识别方法，其特征在于，包括如下步骤：S1、给定一个人脸图像向量训练集，利用公式在原始向量空间找到类投影矩阵H^x_i；式中，为类投影矩阵，Xⁱ为第i类的类成员；S2、利用公式计算所有训练数据的类内投影误差矩阵E_x；式中，E_x为类内投影矩阵，表示相同类中其余模式x_m的第i类投影；S3、求出特征分解问题的解E_x，利用公式E_xu_k＝λ_ku_k，k＝1，2，...，d找到一元旋转矩阵U；S4、利用z_m＝U^Tx_m将每个训练图像向量转换为一个新的向量空间；式中，U＝[u₁，...，u_n，...，u_d]，d≤q为全局一元旋转矩阵，x_m为原始X数据空间，Z为低范围数据空间；S5、在旋转空间计算每个类的特定投影矩阵H^z_i识别阶段：S6、利用z＝U^Tx转换每个测试人脸图像向量x至旋转向量空间；S7、利用H^z_i投影旋转向量Z至第i类空间；S8、利用$i*=\arg {\min }_i\left|\right|H_i^{z}z-z\left|\right|$确定身份。