用于人脸识别的基于虚拟样本的核鉴别方法

摘要

本发明公开了一种用于人脸识别的基于虚拟样本的核鉴别方法，其为一种基于虚拟样本的快速核方法。该方法在对训练样本集进行核矩阵构造前，先对训练样本集一次性构造虚拟样本集，再以虚拟样本集为基础，通过核矩阵理论进行训练/测试；由于虚拟样本集为训练样本集的特征样本集(MES)和公共向量样本集(MCS)的集合，因此，虚拟样本集无论对于已知的训练样本集，还是对于未知的测试样本集来说，都具有极强的描述能力；将本发明所述的方法在FERET数据库上的实验验证了所提方法是快速有效的；其大幅地提高了核方法的计算速度，同时，与传统的核方法相比，本发明还提高了识别率。

主权项

1.一种用于人脸识别的基于虚拟样本的核鉴别方法，其特征在于，包括以下步骤：(1)利用训练样本集X₁构造虚拟样本集V——虚拟样本集V定义为已知类别属性的训练样本集X₁的特征样本集或该已知类别属性的训练样本集X₁的公共向量样本集A，其表达式为V＝{v_k∈□^d|k＝1，...，l}，特征样本集的抽提通过对训练样本集X₁采用主成分分析方法进行，公共向量样本集A的抽提则通过对训练样本集X₁使用鉴别公共向量方法进行，其中：特征样本集以及公共向量样本A分别满足下式：$\hat{E}\underset{{\hat{E}}^{\prime }}{\arg \max }\left(\underset{k=1}{\overset{l}{\Sigma }}{\hat{\mu }}_k\right)/\left(\underset{i=1}{\overset{n}{\Sigma }}{\mu }_i\right);$$A=\left\{x_{\mathrm{com}}^i\right|i=1,...,c\};$(2)利用虚拟样本集V计算训练样本集X₁的核矩阵K₁——将虚拟样本集V以及训练样本集X₁通过核映射函数投影到核空间，以获得由l个虚拟样本组成的投影虚拟样本集V^Ф构建的核矩阵K₁，其中：V^Ф＝{φ(v_k)∈H|k＝1，...，l}；(3)在核空间计算特征向量V^Φ——根据核重构理论，利用步骤(2)所构建的核矩阵来线性表示核空间的特征向量w^φ，其中：而Ψ＝[φ(v₁)，…，φ(v_l)]，β＝(β₁，β₂，…，β_l)^T；(4)将训练样本集X₁投影到特征向量W^Ф上得到数据集Y₁，(5)利用步骤(1)中通过训练样本集X₁所构建的虚拟样本集V，将虚拟样本集V以及待识别测试样本集X₂通过核映射函数计算出待识别测试样本集X₂的核矩阵K₂；然后将待识别测试样本集X₂投影到特征向量W^Ф上得到数据集Y₂，(6)通过最近邻分类器，根据步骤(4)获得的数据集Y₁和步骤(5)获得的数据集Y₂，输出识别结果；步骤(1)至(6)中：□^d表示d维空间；l表示虚拟样本的个数；n表示训练样本的个数；μ_i表示对训练样本集X₁做主成分分析后，第i个PCA主分量对应的特征值；是挑选出的PCA主分量所对应的特征值；表示使用鉴别公共向量DCV方法从训练样本集X₁中抽取的第i类的公共向量；c表示训练样本集X₁中的类别数；H表示核空间；φ表示核映射函数；φ(v_k)是虚拟样本v_k采用核映射函数φ投影到核空间H后的表示，即映射虚拟样本；Ψ是l个映射虚拟样本的集合；β是用映射虚拟样本来重构核空间中特征向量的重构系数。