一种基于子空间的增量学人脸识别方法

摘要

本发明公开了一种基于子空间的增量学人脸识别方法，包括以下步骤：步骤一：人脸图片的预处理；步骤二：生成一组以上训练样本子空间和一组测试图片子空间：步骤三：比较测试图片子空间与一组以上训练样本子空间之间的相似度；步骤四：增量学：如果在步骤三中标识为第j*类的测试图片与表示第j*类人脸的样本图片之间的相似度大于设定阈值，则通过基底变换法对该组样本子空间进行调整，生成一组新的样本子空间。本发明优点是实现了增量学，在识别过程中能够充分利用已接触的信息，对识别结果进行改进。

主权项

1.一种基于子空间的增量学习人脸识别方法，其特征在于，包括以下步骤：步骤一：人脸图片的预处理：将所有训练样本图片和测试图片进行规范化，并对每张图片进行分块平移；步骤二：生成一组以上训练样本子空间和一组测试图片子空间：对于训练样本图片中每个图片分别用一组正交基底表示，将所有训练样本图片中属于同一人脸的图片归类，生成一组样本子空间表示该类的人脸，每一个样本子空间都采用一组正交基底来表示，从而生成一组以上训练样本子空间；对于一个测试图片生成一组用正交基底表示的子空间，即生成一组测试图片子空间；步骤三：比较测试图片子空间与一组以上训练样本子空间之间的相似度：将测试图片子空间分别与表示第类人脸的一组样本子空间进行比较，s为训练样本中人脸总数，找出与测试图片整体相似度分数最高的人脸的样本图片，记两者属于同一人脸，标识为j^*类；步骤四：增量学习：如果在步骤三中标识为第j^*类的测试图片与表示第j^*类人脸的样本图片之间的相似度大于设定阈值，则通过基底变换法对该组样本子空间进行调整，生成一组新的样本子空间；步骤三包括以下步骤：计算测试图片各子块与每个训练图片各子块的子空间相似度：表示测试图片的第个子块与第类人脸的第个子块间的相似度，即为局部相似度分数将各局部相似度分数相加，得到测试图片与代表第类人脸的那一组样本子空间的整体相似度分数根据下式找出与测试图片整体相似度分数最高的人脸的样本图片，记两者属于同一人脸，标识为j^*类：其中整体相似度分数采用如下公式计算：$\mathrm{Sco}r{e}_{\bar{j}}=\underset{\bar{i}=1}{\overset{c}{\Sigma }}{\mathrm{scor}}_{\bar{i},\bar{j}},$其中，i表示从1开始的参数，c表示字块数量，表示各子块与所有训练图片相应子块的相似度，计算公式为：$\begin{array}{cc}{\mathrm{score}}_{\bar{i},\bar{j}}=\underset{i=1}{\overset{k}{\Sigma }}{\cos }^2{\theta }_i/k& k=\min (k_1,k_2),\end{array}$其中，k为常数取参数k₁,k₂之间的小值，k₁,k₂表示子空间S₁,S₂的维数，i表示从1开始的参数，θ_i表示子空间U中第i个基底与子空间V中第i个基底之间的夹角为两个子空间之间的第i个主角度，其中1≤i≤k；令W=span(w₁,w₂,w₃,...,w_k)即为同时代表子空间V与子空间U的空间，η_i为学习率参数，取值范围为[0,1]，步骤四包括以下步骤：步骤41，判断步骤三中标识为第j^*类的测试图片与表示第j^*类人脸的样本图片之间的整体相似度是否大于整体相似度阈值T，如果是，则进行步骤42，如果否，则不进行增量学习；步骤42，判断步骤三中标识为第j^*类的测试图片与表示第j^*类人脸的样本图片之间的局部相似度分数是否大于局部相似度阈值如果是，则通过式对原训练样本子空间的基底进行调整，w_i表示调整后的子空间的基底。