[发明专利]人脸识别方法和装置

权利要求书

1.一种人脸识别方法，其特征在于，所述方法包括：

提取目标人脸图像的局部二值模式LBP特征向量；

根据所述LBP特征向量，计算所述目标人脸图像的高维特征向量；

获取人脸图像库中的每个人的高维特征向量，其中，所述人脸图像库包括m*n张人脸图像，m为所述人脸图像库中的人的个数，n为每个人的人脸图像的张数；

初始化S_μ和S_ε；S_μ为m维方阵，是所述人脸图像库中每个人的n张人脸图像的协方差矩阵；S_ε为m*n矩阵，是所述人脸图像库中不同人之间的协方差矩阵；

计算F和G：

根据所述F和所述G，计算所述人脸图像库中第i个人的高斯分布均值μ_i，以及所述第i个人和第j个人的联合分布协方差矩阵ε_ij，其中，x_i为所述第i个人的高维特征向量，x_j为所述第j个人的高维特征向量；

更新所述S_μ和所述S_ε：

若所述S_μ和所述S_ε不收敛，则再次执行所述计算F和所述G的步骤；

若所述S_μ和所述S_ε收敛，则根据所述S_μ和所述S_ε收敛时的所述F和所述G，以及收敛时的所述S_μ和所述S_ε，计算并存储训练矩阵，所述训练矩阵A＝(S_μ+S_ε)^-1-(F+G)，

获取训练矩阵，所述训练矩阵为通过联合贝叶斯算法对人脸图像库中的人脸图像训练得到的矩阵；

根据所述目标人脸图像的高维特征向量以及所述训练矩阵，对所述目标人脸图像进行人脸识别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标人脸图像的高维特征向量以及所述训练矩阵，对所述目标人脸图像进行人脸识别，包括：

获取参考人脸图像的高维特征向量；

设所述目标人脸图像的高维特征向量为x_a，所述参考人脸图像的高维特征向量为x_b，所述训练矩阵包括A和G；

根据所述目标人脸图像的高维特征向量、所述参考人脸图像的高维特征向量以及所述训练矩阵，计算所述目标人脸图像和所述参考人脸图像的相似度，所述相似度为：

其中，为x_a的转置向量，为x_b的转置向量。

3.根据权利要求1所述的方法，其特征在于，所述提取目标人脸图像的局部二值模式LBP特征向量，包括：

获取k个缩放后的目标人脸图像，k个所述缩放后的目标人脸图像为按照k个预设倍数对所述目标人脸图像分别进行缩放后得到的图像，k为正整数；

对于所述目标人脸图像以及k个所述缩放后的目标人脸图像中的每一张人脸图像，确定所述人脸图像中的人脸关键点，提取所述人脸关键点处的LBP特征向量；

根据提取到的各个所述人脸关键点的LBP特征向量，组合确定所述目标人脸图像的LBP特征向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述LBP特征向量计算所述目标人脸图像的高维特征向量，包括：

设所述目标人脸图像的LBP特征向量为x_r；

对进行主成分分析PCA降维，保留前N维特征，得到降维矩阵P，N为正整数；

对所述x_r，计算：x_p＝Px_r；

对所述x_p进行三层贝叶斯概率模型LDA降维，得到降维矩阵L；

对所述x_p计算：x＝Lx_p，x即为所述目标人脸图像的高维特征向量。