[发明专利]一种基于混合向量投影的人脸识别方法

说明书

技术领域

本发明属于模式识别领域，涉及一种基于混合向量投影的人脸识别方法。

背景技术

人脸识别技术在信息安全，视频监控，身份信息识别等领域有着广泛的应用需求。如在视频监控方面，视频监控系统可实时采集大量含有人脸图像的视频数据，对这些人脸图像进行实时识别，能够对可疑份子实施实时定位和及时抓捕。

人脸识别方法源于这样一个事实，即在实际应用中，人脸识别系统要处理数量巨大，维数较高人脸图像，需要较长的计算时间，目前的人脸识别方法还不能应用于处理大数据量的实时人脸识别系统中。混合向量投影人脸识别技术是基于向量投影长度的分类技术，依据同一个人的人脸图像相似度较高，其图像向量之间夹角较小，向量之间的投影长度较长的原理，利用最大混合向量投影长度对测试图像分类。由于计算混合向量投影长度的效率极高，因此处理大数据量的人脸识系统的计算效率能得到极大的提高。

近年来，人脸识别技术成为模式识别领域的一个热点研究课题，在理论上说明了方法的可能性，更提出了并发展了许多有现实意义和应用价值的方法。按其产生方式可以分为两类：基于学习的方法和基于模式匹配的方法。基于学习的人脸识别方法能取得较高的识别率，但是需要消耗大量的计算时间，在实际应用中不能令人满意。基于模式匹配的方法，具有较快的速度，随着抗干扰和去噪声技术的发展，识别率也已经得到了极大的提高，因此基于模式匹配的方法最有可能较快的应用于处理大数据量的人脸识别系统中。

发明内容

技术问题：本发明提供一种能够快速地进行人脸图像分类的基于混合向量投影的人脸识别方法。

技术方案：本发明的基于混合向量投影的人脸识别方法，包括如下步骤：

步骤1：采集彩色人脸图像，并转换为灰度人脸图像，具体流程如下：

步骤1.1：采集C个不同人的彩色人脸图像，组成含有N张彩色人脸图像的集合，其中C为总人数，也称为总类数，N为彩色人脸图像总数，第t个人的彩色人脸图像数为n_t，其中t为人的编号，t＝1,2,…,C，每幅彩色人脸图像的大小均为h×w×3，其中h为彩色人脸图像矩阵的行数，w为彩色人脸图像矩阵的列数；

步骤1.2：将所述步骤1.1中采集的N张彩色人脸图像分别转化为大小为h×w的灰度人脸图像其中d为第t个人的彩色人脸图像的编号，d＝1,2,…,n_t；

步骤2：将步骤1中得到的灰度人脸图像分别转化为向量，然后求取灰度人脸图像向量的单位向量，具体流程如下：

步骤2.1：将灰度人脸图像表示为如下的图像矩阵：

其中j为灰度人脸图像的图像矩阵的行编号，j＝1,2,…,h，i为灰度人脸图像的图像矩阵的列编号，i＝1,2,…,w，x_ji表示灰度人脸图像的图像矩阵的第j行第i列的灰度值；

将所述图像矩阵按列展开，转化为大小为hw×1的向量

步骤2.2：将所述步骤2.1中得到的灰度人脸图像向量转换为大小为hw×1的单位向量V_t^d：

其中表示灰度人脸图像向量的长度；

步骤3：将所述步骤2中得到的所有灰度人脸图像的单位向量组成单位向量训练集，然后计算测试图像向量在单位向量训练集中的每个单位向量及其类均值单位向量上的混合投影长度，具体流程如下：

步骤3.1：将所有灰度人脸图像的单位向量组成单位向量训练集TRS如下：

步骤3.2：计算单位向量训练集TRS中每个人的所有单位向量的平均值，得到大小为hw×1类均值向量如下：

步骤3.3：将步骤3.2中的类均值向量转化为大小为hw×1的单位向量如下：

其中表示类均值向量的长度；

步骤3.4：调整测试人脸图像I的大小为h×w，将其表示为如下的图像矩阵：

将测试图像矩阵I按列展开，转化为大小为hw×1的测试图像向量Y：

步骤3.5：根据下式计算测试图像向量Y在单位向量训练集TRS中的每个单位向量及其类均值单位向量上的混合投影长度P_t^d(Y)：