[发明专利]模式识别方法、参数学习方法和设备

说明书

技术领域

本发明涉及一种诸如图像识别的用于识别输入信号的模 式的参数学习方法和使用该参数学习方法的模式识别方法。

背景技术

作为用于将输入数据分类成预定类的模式识别方法，迄今 为止已提出了诸如字符识别、脸部检测和步态认证的许多技术， 并且为了达到提高处理速度和增强分类精度的目标，仍在提出 各种新技术。例如，Viola&Jones(2001)“Rapid Object Detection using a Boosted Cascade of Simple Features”，Computer Vision and Pattern identification(以下称之为文献1)提出了通过使用可 以在短时间内进行计算的弱分类方法组合基于AdaB oost的学习 方法和用于级联弱分类器的技术来实现高速、高精度的模式识 别方法。

还提出了另一方法，在该方法中，以树状结构连接弱分类 器来实现分类成三个或更多个类的分类。例如，根据Huang，Ai， Li&Lao(2005)“Vector Boosting for Rotation Invariant Multi-View Face Detection”，International Conference on Computer Vision(以下称之为文献2)，学习标记有方向和倾斜度 的脸部图像，检测测试图像中的脸部，并且确定该脸部的方向 和倾斜度。

如上所述，提出了用于对输入图像进行高速、高精度的模 式识别的技术。例如，需要高速、高精度地识别在输入图像中 有无脸部或有无特定模式(纹理)，以利用摄像设备很好地拍摄 人脸部的图像，或者校正脸部图像。然而，如上所述的传统技 术不令人满意。

发明内容

考虑到上述情况做出本发明，并且本发明的目的是实现用 于高速、高精度地识别属于两个类中的任何一个类的输入数据 的模式识别处理。

根据本发明的一方面，一种模式识别方法，用于通过依次 执行多个分类处理的组合将输入数据分类成第一类或第二类， 其中，所述多个分类处理中的至少一个分类处理包括：

映射步骤，用于在n维特征空间中将所述输入数据映射为对 应点，其中，n是等于或大于2的整数；

判断步骤，用于基于在所述映射步骤中映射得到的所述对 应点在所述n维特征空间中的位置，判断是所述输入数据属于所 述第一类还是应当执行下一分类处理；以及

选择步骤，用于当在所述判断步骤中判断为应当执行下一 分类处理时，基于所述对应点的所述位置，选择接下来应当执 行的分类处理。

根据本发明的另一方面，一种参数学习方法，用于学习用 于将输入数据分类为第一类或第二类的模式识别的参数，所述 参数学习方法包括：

输入步骤，用于输入被标记为所述第一类或所述第二类的 多个学习数据项；

映射步骤，用于在n维特征空间中将所述学习数据项映射为 对应点，其中，n是等于或大于1的整数；以及

学习步骤，用于学习用于将所述n维特征空间划分成均由被 标记为同一类的所述对应点占据的特征空间的模式识别参数。

根据本发明的另一方面，一种用于模式识别的参数学习方 法，所述模式识别将输入数据分类为第一类或第二类，所述参 数学习方法包括：

输入步骤，用于输入被标记为所述第一类或所述第二类的 多个学习数据项；

第一映射步骤，用于在Nr维特征空间中将被标记为所述第 二类的多个学习数据项临时映射为对应点，其中，N_r是等于或 大于1的整数；

第一学习步骤，用于基于在所述第一映射步骤中映射得到 的对应点在所述N_r维特征空间中的分布，学习用于划分所述N_r维特征空间的临时参数；

确定步骤，用于基于所述临时参数，来确定要用于识别的n 维特征空间；

第二映射步骤，用于在所述n维特征空间中将被标记为所述 第一类的学习数据项映射为对应点；以及

第二学习步骤，用于基于在所述第二映射步骤中映射得到 的对应点的分布，学习用于划分所述n维特征空间的参数。