一种基于流形自适应核的人脸识别方法

摘要

本发明涉及一种基于流形自适应核的人脸识别方法，该具体过程为：采用基于外形的表示方法将人脸图像表示成向量形式；计算图拉普拉斯算子；计算非参数核矩阵K；将上述所计算出的图拉普拉斯算子L和非参数核矩阵K计算，即可得到与人脸数据紧密相关的流形自适应核函数；构建核NMF的优化目标函数，建立拉格朗日函数，得到乘性更新规则；方法的低秩近似技术实现核NMF中的核矩阵计算过程；计算出优化的W和V，则对于一幅新的测试人脸图像z_test，获取经过核NMF降维后的低维特征表示；步骤h，建立SVM的优化目标函数；计算出优化解α。本发明流形自适应核NMF的人脸识别准确率优于现有的算法，维数降维作为一种预处理算法，能够有效地增强人脸识别算法的性能。

主权项

一种基于流形自适应核的人脸识别方法，其特征在于，该具体过程为：步骤a，采用基于外形的表示方法将人脸图像表示成向量形式，即X＝[x₁，x₂，L，x_n]，其中x_i表示第i幅人脸图像；步骤b，计算图拉普拉斯算子L；步骤c，计算非参数核矩阵K；步骤d，将上述所计算出的图拉普拉斯算子L和非参数核矩阵K计算，即可得到与人脸数据紧密相关的流形自适应核函数；步骤e，构建核NMF的优化目标函数，建立拉格朗日函数，得到乘性更新规则；步骤f，用融合方法的低秩近似技术实现核NMF中的核矩阵计算过程；步骤g，计算出优化的W和V，则对于一幅新的测试人脸图像z_test，获取经过核NMF降维后的低维特征表示；步骤h，建立SVM的优化目标函数；计算出优化解α，则SVM即可利用下式对人脸图像进行分类和判决。