[发明专利]基于多核鉴别彩色空间的人脸识别方法

说明书

本发明公开了一种基于多核鉴别彩色空间的人脸识别方法，将多核学习技术应用于彩色人脸图像，对彩色人脸图像的三个彩色分量分别使用三个不同的非线性核映射，再通过多核鉴别彩色空间方法进行彩色空间变换。在新的多核鉴别彩色空间中，对每一个彩色分量分别使用加强的Fisher线性鉴别模型方法提取特征，并将每幅彩色人脸图像三个彩色分量的特征向量串联成一个列向量，然后使用最近邻分类器进行分类和识别。本发明识别效果更高，将彩色人脸图像变换到多核鉴别彩色空间之后，鉴别特征的分类能力得到了明显增强。

技术领域

本发明涉及基于多核鉴别彩色空间的人脸识别方法，属于人脸识别技术领域。

背景技术

现有鉴别彩色空间的人脸识别方法(DCS)(C.Liu,“Learning the uncorrelated,independent,and discriminating color spaces for face recognition”,IEEETrans.Information Forensics and Security,vol.3,no.2,pp.213-222,2008.)通过一个线性变换W∈R^3×3将彩色图像从RGB彩色空间变换到鉴别彩色空间：

其中，R(x,y)、G(x,y)和B(x,y)分别表示一幅彩色图像中一个像素点(x,y)的R、G和B的像素值，D₁(x,y)、D₂(x,y)和D₃(x,y)分别表示鉴别彩色空间中三个新彩色分量的像素值。彩色空间变换矩阵W按照如下的方式求解：

其中，S_b∈R^3×3和S_w∈R^3×3是在彩色图像数据集以

表示一个样本的情况下的类间散布矩阵和类内散布矩阵，W^T和Δ分别是矩阵的特征向量矩阵和特征值矩阵。经过彩色空间变换后，DCS方法将每幅彩色图像的每个彩色分量用一个列向量表示，并将每幅彩色图像三个彩色分量的列向量串联成一个列向量，然后使用加强的Fisher线性鉴别模型方法(C.Liu,and H.Wechsler,“Robust CodingSchemes for Indexing and Retrieval from Large Face Databases,”IEEETrans.Image Processing,vol.9,no.1,pp.132-137,2000.)提取特征并识别。

DCS方法基于线性鉴别分析技术，很难充分适应人脸图像复杂的非线性特性(例如，光照变化、表情变化、姿态变化等)，从而难以保证识别效果。因此，下面通过非线性的多核学习技术来解决这个问题。

发明内容

发明目的：为解决上述问题，本发明公开了一种基于多核鉴别彩色空间的人脸识别方法，将多核学习技术应用于彩色人脸图像，对彩色人脸图像的三个彩色分量分别使用三个不同的非线性核映射，再通过多核鉴别彩色空间方法进行彩色空间变换。在新的多核鉴别彩色空间中，对每一个彩色分量分别使用加强的Fisher线性鉴别模型方法提取特征，并将每幅彩色人脸图像三个彩色分量的特征向量串联成一个列向量，然后使用最近邻分类器进行分类和识别。

本发明为解决上述技术问题采用以下技术方案：

本发明提供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；