一种基于块内相关性的二维线性鉴别分析人脸识别方法

摘要

本发明属模式识别技术领域，具体涉及一种基于块内相关性的二维线性鉴别分析(简称2DFDA)人脸识别方法。本方法根据人脸图像所具有的局域特征，将人脸图像划分成非重叠小块，然后将每一个小块中的元素按行相接产生相应的行向量，再把行向量按顺序排列成新的二维图像矩阵，最后将分块、重排之后的二维图像矩阵当作输入图像，进行2DFDA人脸识别。本方法的优点在于：充分利用了局部区域里行与列像素之间的相关性信息，能够较好地保留人脸的局域特征信息，可以达到较高的人脸识别率，而且计算复杂度较低。

主权项

1、一种基于块内相关性的人脸识别方法，其特征在于一个将人脸图像分块重排的算法、一个基于二维线性鉴别分析(简称2DFDA)的最优投影方向计算方法和一个通过计算欧式距离比较相似度的识别算法。具体步骤分建库和识别两个阶段：(1)建库阶段①对训练样本图像进行标准化，包括光线归一化和尺寸归一化；②对经过标准化的训练样本图像进行分块、重排的操作，构造新的二维图像矩阵；③将上一步骤得到的二维图像矩阵作为输入图像，选择一定的特征值数目，使用2DFDA方法计算出Fisher最优投影向量组X1，X2，…，Xd；④将新构造出的二维图像矩阵向Fisher最优投影方向上投影，抽取出反映人脸特征的数据，即Fisher特征矩阵，并将其全部保存在数据库中，待识别阶段使用。(2)识别阶段①对测试图像进行标准化，包括光线归一化和尺寸归一化；②对经过标准化的测试图像进行分块、重排的操作，构造新的二维图像矩阵；③将新构造出的二维图像矩阵向最优投影方向上投影，获得相应的Fisher特征矩阵；④计算测试图像的特征矩阵与数据库中各特征矩阵之间的欧式距离，将距离最近的特征矩阵对应的人脸图像判别为匹配图像，匹配图像对应的分类即为识别结果。