[发明专利]一种人脸识别方法

权利要求书

1.一种人脸识别方法，其步骤为：

1)读取训练集上的所有图片，根据图片的像素值生成该图片的二维训练样本矩阵；其中，该训练集包括多类人的图片，每类人具有若干训练样本图片；

2)利用每类人的若干训练样本矩阵求出该类人对应的修匀平均矩阵；然后用每一幅图片所对应的二维训练样本矩阵减去该图片所在类的修匀平均矩阵；其中，利用每类人的若干训练样本矩阵求出该类人对应的修匀平均矩阵的方法为：把每一二维训练样本矩阵的第m行第n列的元素组成一个数列，计算该数列的修匀平均值作为第m行第n列的元素，得到矩阵为该修匀平均矩阵；该数列的修匀平均值其中x_i为数列中的第i个值，x_min表示数列中的最小值，x_max表示数列中的最大值，n为该数列元素总数；

3)对步骤2)的结果累加和得到该训练集的协方差矩阵；计算该协方差矩阵的特征值和特征向量；

4)选取前若干个最大特征值对应的特征向量组成新的矩阵，然后将该训练集每一图片的二维训练样本矩阵分别投影在该矩阵上，得到该训练集降维后的矩阵；

5)利用步骤4)降维后的矩阵中的特征数据进行训练得到若干分类器，然后用该分类器对待测图片进行人脸识别。

2.如权利要求1所述的方法，其特征在于，步骤5)中，利用SVM算法对特征数据进行训练得到若干分类器。

3.如权利要求2所述的方法，其特征在于，采用交叉验证法与网格搜索法进行SVM参数选择，其方法为：

51)依据网格搜索法初步设定SVM的参数变化范围，然后针对参数不同组合运用交叉验证求得对应的分类正确率；

52)将前两个最高的分类正确率分别对应的参数值作为新的参数范围，然后根据交叉验证平均正确率排序，选择分类正确率最高的参数组合作为模型的最优参数。

4.如权利要求2所述的方法，其特征在于，所述SVM算法为二分类SVM算法。

5.如权利要求4所述的方法，其特征在于，所述二分类SVM算法的核函数为RBF核函数。