一种基于局部二值模式与KFDA的人脸识别方法

摘要

本发明公开一种基于局部二值模式与KFDA的人脸识别方法，其在训练过程中，首先对所有训练样本进行LBP特征提取，然后对所有样本进行聚类，对聚类后的每类LBP的特征直方图通过KFDA获得联合最优投影空间，即解决了KFDA的维数灾难问题，比原LBP拥有更高的人脸正确识别率。测试过程中，先对测试样本进行第一次LBP卡方距离的隶属度进行拒绝判别，若不被拒绝，则进行相对应的KFDA投影，利用最小欧氏距离获得最终判别结果。本发明利用聚类解决了KFDA的维数灾难问题，将LBP的卡方直方图融入各向异性高斯核函数中，提高了其正确识别率和实用价值。

主权项

一种基于局部二值模式与KFDA的人脸识别方法，其特征是：所述的方法包括训练过程与测试过程， 所述的训练过程包括下述步骤： 步骤一，将n类训练样本进行LBP特征提取，获得LBP特征直方图； 步骤二，求每类训练样本LBP特征直方图的均值及类间χ²卡方距离的隶属度，获得每类对应的簇； 步骤三，对每类对应的簇进行KFDA获得n个投影空间，即联合投影空间表示为W=[w₁,w₂,L，w_n]； 步骤四，分别将每类簇中所有样本向对应的KFDA空间投影，获得KFDA特征向量； 所述的测试过程包括下述步骤： 步骤一，将测试样本进行LBP特征提取，获得LBP特征直方图； 步骤二，分别求与训练样本的LBP直方图均值得χ²卡方距离与隶属度； 步骤三，将其隶属度与预设阈值对比，若小于预设阈值，则被拒绝识别，结束此次测试；若大于预设阈值，则判断其属于哪个簇，并进行相对应的KFDA投影； 步骤四，求最小测试样本的KFDA特征向量与簇类各个样本KFDA特征向量的欧氏距离进行测试样本的判别。