一种基于核贝叶斯压缩感知的人脸识别方法,申请号CN201410739101.0-传众专利搜索

发明名称	一种基于核贝叶斯压缩感知的人脸识别方法
摘要	本发明公开了一种基于核贝叶斯压缩感知的人脸识别方法，包括人脸识别系统，其特征在于还包括以下步骤：局部二值模式特征提取、核空间映射和核贝叶斯压缩感知分类。该方法结合了压缩感知方案与贝叶斯方法各自的优势，压缩感知方案中通过求稀疏系数矩阵可以很好的重构原有图像，再利用贝叶斯中先验信息对稀疏系数矩阵的约束，不仅一定程度上能克服噪声的影响，对误差范围进行估计，还对图像的恢复有非常好的效果。能够很好的克服人脸光照，遮挡以及表情等变化对人脸识别的影响，可以获得较高的识别率，最高识别率可以达到99%。同时最后运用稀疏矩阵进行重构识别，本发明运行速度也比支持向量机快。
申请公布号	CN104376311A	申请公布日期	2015.02.25
申请号	CN201410739101.0	申请日期	2014.12.08
申请人	广西大学	发明人	元昌安;周凯;宋文展;郑彦
分类号	G06K9/00(2006.01)I	主分类号	G06K9/00(2006.01)I
代理机构	广西南宁明智专利商标代理有限责任公司 45106	代理人	张智生
主权项	一种基于核贝叶斯压缩感知的人脸识别方法，包括人脸识别系统，其特征在于还包括以下步骤：步骤1、图像的局部二值模式特征提取设一副图像中3<img file="371323dest_path_image001.GIF" wi="13" he="14" />3 邻域区域局部的纹理分布<img file="751489dest_path_image002.GIF" wi="133" he="26" />，其中<img file="266784dest_path_image003.GIF" wi="20" he="25" />表示局部区域中心点的像素值，<img file="314375dest_path_image004.GIF" wi="89" he="26" />表示以R为半径的周围相邻等距离的P个像素点，为了防止灰度差受到影响，我们定义一个函数<img file="624133dest_path_image005.GIF" wi="33" he="22" />：<img file="491595dest_path_image006.GIF" wi="102" he="49" />（1）则一副图像可以标准局部二值模式(LBP)提取特征，它的表达式为：<img file="545002dest_path_image007.GIF" wi="266" he="73" />（2）其中度量U为：<img file="384782dest_path_image008.GIF" wi="420" he="46" />（3）通过得到每个像素的局部二值模式(LBP)特征值，从而得到整幅图像的特征；步骤2、核空间映射假设用LBP方法特征提取图像特征集后，得到训练集为<img file="429223dest_path_image009.GIF" wi="99" he="25" />，<img file="987244dest_path_image010.GIF" wi="18" he="17" />也称为字典，测试集为<img file="641079dest_path_image011.GIF" wi="93" he="25" />，则通过直方图交叉核函数<img file="600945dest_path_image012.GIF" wi="14" he="22" />，训练集和测试集投影映射为<img file="252506dest_path_image013.GIF" wi="158" he="25" />，<img file="94560dest_path_image014.GIF" wi="152" he="25" />，其中直方图交叉核函数<img file="489769dest_path_image012.GIF" wi="14" he="22" />的表达式如下：<img file="366458dest_path_image015.GIF" wi="166" he="46" />(4)其中<img file="188921dest_path_image016.GIF" wi="38" he="26" />是两个维度为<img file="19736dest_path_image017.GIF" wi="18" he="16" />的特征向量，<img file="218636dest_path_image018.GIF" wi="40" he="25" />分别是<img file="887515dest_path_image016.GIF" wi="38" he="26" />特征向量的特征值；根据公式还可以进一步写成：<img file="943195dest_path_image019.GIF" wi="145" he="25" />；步骤3、核贝叶斯压缩感知的分类方法①设核空间的一个信号<img file="697525dest_path_image020.GIF" wi="34" he="22" />可以用字典中的一组原子线性表示，则压缩感知模型为：<img file="762433dest_path_image021.GIF" wi="120" he="22" />(5)式中<img file="285818dest_path_image022.GIF" wi="14" he="16" />是满足Gaussian分布的噪声：<img file="450083dest_path_image023.GIF" wi="86" he="25" />，<img file="754026dest_path_image024.GIF" wi="104" he="25" />是系数矩阵，<img file="294728dest_path_image009.GIF" wi="99" he="25" />是字典，<img file="248120dest_path_image025.GIF" wi="18" he="24" />表示字典中的一个原子；则含有噪声模型<img file="848866dest_path_image020.GIF" wi="34" he="22" />的似然估计为：<img file="312208dest_path_image026.GIF" wi="392" he="52" />（6）从上式可知，要通过对稀疏矩阵<img file="718919dest_path_image027.GIF" wi="17" he="16" />和噪声方差<img file="951317dest_path_image028.GIF" wi="22" he="22" />的估计，从而重构得到信号<img file="785281dest_path_image020.GIF" wi="34" he="22" />；②对于稀疏矩阵<img file="735920dest_path_image027.GIF" wi="17" he="16" />和噪声方差<img file="680742dest_path_image028.GIF" wi="22" he="22" />的估计，一般采用贝叶斯中后验概率密度函数的方法来实现，具体方法为：首先利用超参数的多层结构来定义先验假设，对于稀疏矩阵<img file="33226dest_path_image027.GIF" wi="17" he="16" />的先验可以写成：<img file="539556dest_path_image029.GIF" wi="178" he="46" />(7)其中<img file="977490dest_path_image030.GIF" wi="89" he="26" />是均值为0的高斯密度函数；然后再定义<img file="726003dest_path_image031.GIF" wi="17" he="16" />的先验为伽马分布，公式为：<img file="932994dest_path_image032.GIF" wi="161" he="46" />(8)所以整体的稀疏矩阵<img file="108760dest_path_image027.GIF" wi="17" he="16" />的先验概率密度函数可写为<img file="33991dest_path_image033.GIF" wi="297" he="46" />(9)其中<img file="320616dest_path_image034.GIF" wi="197" he="36" />是学生—t分布；③最终得到稀疏矩阵<img file="647692dest_path_image027.GIF" wi="17" he="16" />的表达式为：<img file="230245dest_path_image035.GIF" wi="165" he="25" />(10)其中<img file="642772dest_path_image036.GIF" wi="117" he="26" />，<img file="670771dest_path_image037.GIF" wi="156" he="26" />,<img file="914670dest_path_image038.GIF" wi="129" he="25" />,<img file="369923dest_path_image039.GIF" wi="66" he="25" />和<img file="66483dest_path_image040.GIF" wi="69" he="25" />分别表示训练集<img file="632594dest_path_image041.GIF" wi="25" he="21" />与测试集<img file="934262dest_path_image042.GIF" wi="16" he="18" />，<img file="622732dest_path_image041.GIF" wi="25" he="21" />与<img file="744272dest_path_image010.GIF" wi="18" he="17" />的直方图交叉核。
地址	530004 广西壮族自治区南宁市西乡塘区南宁市大学路100号