发明名称 |
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;<img file="DSA0000103156720000011.tif" wi="218" he="51" />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<sub>test</sub>,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。 |
申请公布号 |
CN103927522A |
申请公布日期 |
2014.07.16 |
申请号 |
CN201410158372.7 |
申请日期 |
2014.04.21 |
申请人 |
内蒙古科技大学 |
发明人 |
刘新;张宝华;喻大华;陈振华;王艳超 |
分类号 |
G06K9/00(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
|
代理人 |
|
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=[x<sub>1</sub>,x<sub>2</sub>,L,x<sub>n</sub>],其中x<sub>i</sub>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<img file="FSA0000103156730000013.GIF" wi="242" he="70" />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<sub>test</sub>,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。 |
地址 |
014010 内蒙古自治区包头市昆区阿尔丁大街7号内蒙古科技大学信息工程学院 |