[发明专利]基于多核鉴别彩色空间的人脸识别方法

权利要求书

1.一种基于多核鉴别彩色空间的人脸识别方法，包括以下步骤：

步骤1，获得各彩色分量训练样本集，为每一个彩色分量样本集选择最优的核函数；

步骤2，定义多核鉴别彩色空间中各彩色分量样本集内部的类内散布和类间散布，以及各彩色分量样本集之间的类内散布和类间散布；

步骤3，定义目标函数，对目标函数求解，得到多核鉴别彩色空间中的彩色人脸图像训练样本集；

步骤4，对多核鉴别彩色空间中的彩色人脸图像训练样本集的每一个彩色分量样本集分别使用加强的Fisher线性鉴别模型方法提取特征，并将每个彩色人脸图像训练样本三个彩色分量的特征向量串联成一个列向量；

步骤5，获得待识别样本，根据上述训练样本特征集，得出待识别样本特征，使用最近邻分类器对待识别样本进行分类和识别。

2.根据权利要求1所述的人脸识别方法，其特征在于，步骤1中按照下面的核函数选择准则为第i个彩色分量样本集，i＝1,2,3，选择最优的核函数

式中，和分别表示第i个彩色分量样本集的类间散布和类内散布，定义如下：

式中，c表示彩色人脸图像训练样本的类别数，n表示所有彩色人脸图像训练样本的个数，n_p和n_r分别表示第p类和第r类彩色人脸图像训练样本的个数，表示第p类的第q个彩色人脸图像训练样本的第i个彩色分量样本，表示第p类的第s个彩色人脸图像训练样本的第i个彩色分量样本，表示第r类的第s个彩色人脸图像训练样本的第i个彩色分量样本，R^d表示d维的实数空间；φ_i:R^d→H_i表示一个核映射，它将彩色人脸图像训练样本的第i个彩色分量样本从原始d维的线性空间R^d映射到一个非线性高维核空间H_i，k_i表示核映射φ_i对应的核函数；i＝1,2,3。

3.根据权利要求2所述的人脸识别方法，其特征在于，步骤2中定义多核鉴别彩色空间中第j个彩色分量样本集内部的类内散布和类间散布与第j和第k个彩色分量样本集之间的类内散布和类间散布如下：

且式中，j＝1,2,3，k＝1,2,3，j≠k；v_j∈R³和v_k∈R³分别表示用来产生多核鉴别彩色空间的第j个和第k个彩色分量的投影向量，R³表示3维的实数空间；表示核映射后的第p类的第q个彩色人脸图像训练样本，表示第p类的第q个彩色人脸图像训练样本在多核鉴别彩色空间中的第j个彩色分量样本，表示核映射后的第p类的第s个彩色人脸图像训练样本，和分别表示第p类的第s个彩色人脸图像训练样本在多核鉴别彩色空间中的第j个和第k个彩色分量样本，表示核映射后的第r类的第s个彩色人脸图像训练样本，和分别表示第r类的第s个彩色人脸图像训练样本在多核鉴别彩色空间中的第j个和第k个彩色分量样本。

4.根据权利要求3所述的人脸识别方法，其特征在于，步骤3中定义目标函数如下：

公式(8)可以改写为如下形式

式中，

公式(9)的解通过对矩阵M^-1L进行特征分解得到；当已经得到矩阵M^-1L的最大特征值对应的特征向量v时，通过拆分v得到v₁,v₂,v₃；对于任意一个彩色人脸图像训练样本得到它在多核鉴别彩色空间中表示如下：

5.根据权利要求4所述的人脸识别方法，其特征在于，步骤4在多核鉴别彩色空间中对彩色人脸图像训练样本集第1、2、3个彩色分量样本集分别使用加强的Fisher线性鉴别模型方法，得到三个投影变换矩阵U₁、U₂、U₃，投影并串联后的鉴别特征向量如下：

6.根据权利要求5所述的人脸识别方法，其特征在于，步骤5中对于一个待识别样本y，令y¹∈R^d、y²∈R^d、y³∈R^d分别表示该样本的第1、2、3个彩色分量，y^φ＝[φ₁(y¹),φ₂(y²),φ₃(y³)]，得到待识别样本的鉴别特征向量如下：

计算y^φDF到的欧式距离，其中p＝1,2,…,c，q＝1,2,…,n_p，将y归到距离最小的那个训练样本所在的类。