[发明专利]一种基于流形学习的人脸识别方法

权利要求书

1.一种基于流形学习的人脸识别方法，其特征在于，包括以下步骤： 

S100：构建人脸图像高维数据，将人脸图像样本按行拉伸为一维向量，设定图像样本数据库为高维数据空间点集其中c是类别标签，且1≤c≤C，1≤i≤n_c，并有

S200：对训练样本图像和待测试样本图像进行降维处理，获得所有人脸图像在同一低维空间的低维表示； 

S300：在低维嵌入空间中，通过最近邻分类器对待测试人脸图像进行识别，获得识别结果。 

2.根据权利要求1所述的基于流形学习的人脸识别方法，其特征在于，所述步骤S200主要由构建各点的领域、计算权重矩阵和获得训练样本数据和待测试样本数据的低维表示这三步组成。 

3.根据权利要求2所述的基于流形学习的人脸识别方法，其特征在于，构建各点的领域包括如下步骤： 

S211：获得每一类的特征子空间； 

S212：计算所有类外点到该类的距离； 

S213：通过比较，获得该类的近邻点，构建该类中每个点的邻域。 

4.根据权利要求2所述的基于流形学习的人脸识别方法，其特征在于，计算权重矩阵包括如下步骤： 

S221：计算局部协方差矩阵； 

S222：更新协方差矩阵； 

S223：计算重构权重，获得权重矩阵。 

5.根据权利要求2所述的基于流形学习的人脸识别方法，其特征在于，获得训练样本数据和待测试样本数据的低维表示，低维表示经如下步骤获得:通过权重矩阵得到一个对称矩阵，进行特征值分解，通过排列特征向量获得低维嵌入。 

6.根据权利要求1所述的基于流形学习的人脸识别方法，其特征在于，步骤S300具体包括如下几步： 

S301：将被识别人脸图像与样本图像一起投影到低维嵌入坐标中； 

S302：计算低维表示下的被识别图像到其他各个点之间的距离； 

S303：经过比较，获得与其最近的点的类别信息，则被识别图像属于该类。