一种基于列向量展开二维主成分分析的人脸识别方法

摘要

本发明公开一种基于列向量展开二维主成分分析的人脸识别方法，包括步骤如下：(1)人脸检测；(2)人脸预处理(3)人脸表征(图像特征提取)；(4)人脸识别。在步骤(3)中，采用基于列向量展开的二维主成分分析。本发明可以有效地减少表征人脸图像的系数，从而降低计算复杂度，减少占用的存储空间。

主权项

1.一种基于列向量展开二维主成分分析的人脸识别方法，包括步骤如下：(1)人脸检测；(2)人脸预处理；(3)人脸表征(即图像特征提取)；(4)人脸识别；其特征在于上述步骤(3)人脸图像特征提取过程中包括步骤如下：步骤1：设人脸图像识别任务中共有N个人，每个人包含K幅图像，M＝NK；训练图像集表示为训练图像的平均矩阵表示为S；其中，i表示第i个人，j表示某个人的第j幅图像；步骤2：计算图像的协方差矩阵：$G_t=\frac{1}{M}\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{K}{\Sigma }}{(S_j^i-S)}^T(S_j^i-S)---\left(11\right)$$G_c=\frac{1}{M}\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{K}{\Sigma }}(S_j^i-S){(S_j^i-S)}^T---\left(12\right)$步骤3：计算式(11)的前d个最大的非零特征值对应的特征向量ξ₁，…，ξ_d，得矩阵X＝[ξ₁，…，ξ_d]；计算式(12)的前q个最大的非零特征值对应的特征向量ζ₁，…，ζ_q，得矩阵Z＝[ζ₁，…，ζ_q]；步骤4：将向X，Z上投影得：$P_j^i=Z^T{S}_j^{i}X\in R^{q\times d}.$