[发明专利]一种人脸识别的方法及系统

权利要求书

1.一种人脸识别的方法，其特征在于，基于支持向量机SVM来学习人脸图像之间的相似性，包括：

对人脸训练数据构造相似性学习的原始训练样本，并对所述原始训练样本进行随机降维，生成相似性学习训练集；

将所述相似性学习的训练集采用支持向量机进行训练，生成分类器模型；

对人脸测试数据构造相似性学习的原始测试样本，并对所述原始测试样本进行随机降维，生成相似性学习测试集；

根据所述分类器模型对所述相似性学习测试集进行分类，得到所述相似性学习测试集的分类结果，根据所述相似性学习测试集的分类结果按照预设规则统计待测试样本与所述原始训练样本中每一类训练样本间的相似性概率，并将所述相似性概率最大值输出，得到人脸识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始训练样本进行随机降维，生成相似性学习训练集具体为：

进行随机降维后，生成降维后的训练样本集，保持降维后的类别标记不变；

对于所述降维后的测试样本集中的任意两个样本，生成两个不同的二元样本对，判断两个样本类别是否相同，如果是，则所述新的二元对形式的训练样本集的类别值为+1，即正样本，如果否，则所述新的二元对形式的训练样本集的类别值为-1，即负样本；

对每个样本用K近邻的方法找出K个最近的异类点，将所述异类点存储在集合X_i^k中，生成相似性学习训练集。

3.根据权利要求1所述的方法，其特征在于，所述将所述相似性学习的训练集采用支持向量机进行训练，生成分类器模型具体为：

选择所述支持向量机的正则参数和高斯核函数，将所述相似性学习的训练集输入所述正则参数和高斯核函数，则得到分类器模型。

4.根据权利要求1所述的方法，其特征在于，所述对所述原始测试样本进行随机降维，生成相似性学习测试集具体为：

进行随机降维后，生成降维后的待测试样本集，保持降维后的类别标记不变；

对于所述降维后的待测试样本集中的样本与所述降维后的训练集中的每个样本生成二元样本对，所述二元样本对即为所述相似性学习测试集。

5.根据权利要求1所述的方法，其特征在于，所述根据所述相似性学习测试集的分类结果按照预设规则统计待测试样本与所述原始训练样本中每一类训练样本间的相似性概率具体为：

将所述相似性学习测试集的每个所述分类结果之和，分别与每一类原始测试样本的样本数量取商，将所述取商得到的结果作为待测试样本与所述原始训练样本中每一类训练样本间的相似性概率。

6.一种人脸识别的系统，其特征在于，基于支持向量机SVM来学习人脸图像之间的相似性，包括：

训练预处理模块，用于对人脸训练数据构造相似性学习的原始训练样本，并对所述原始训练样本进行随机降维，生成相似性学习训练集；

训练模型模块，用于将所述相似性学习的训练集采用支持向量机进行训练，生成分类器模型；

测试预处理模块，用于对人脸测试数据构造相似性学习的原始测试样本，并对所述原始测试样本进行随机降维，生成相似性学习测试集；

测试模块，用于根据所述分类器模型对所述相似性学习的测试集进行分类，得到所述相似性学习测试集的分类结果，根据所述相似性学习测试集的分类结果按照预设规则统计待测试样本与所述原始训练样本中每一类训练样本间的相似性概率，并将所述相似性概率最大值输出，得到人脸识别结果。