[发明专利]一种基于信息融合的人脸识别方法

权利要求书

1.一种基于信息融合的人脸识别方法，其特征在于，包括：

S1、根据人脸图像的深度信息和灰度信息，得到人脸图像的复数数据信息；

S2、将由人脸图像的复数数据信息组成的训练集X降维为对应的低维子空间的训练集，其中训练集X中共有m个人的人脸图像、每个人均有n幅人脸图像；

S3、将待测试人脸图像复数数据信息降维到与训练集X相同维度的低维子空间；

S4、在低维子空间中，利用k最近邻方法识别待测试人脸图像。

2.如权利要求1所述的方法，其特征在于，所述的步骤S1，包括：

S11、将人脸图像的深度信息与灰度信息分别用一维列向量表示；

S12、以深度信息的一维向量作为实部，灰度信息的一维向量作为虚部，构成人脸图像的复数数据信息。

3.如权利要求1所述的方法，其特征在于，所述的步骤S2，包括：

S21、在训练集X＝{x₁,x₂,···,x_v,···,x_m}中任取一数据点作为基准点p，其中1≤v≤m，m表示训练集X的列向量维数；

S22、设置局部领域k的大小，根据两复向量x_t、x_v之间的欧式距离，选择基准点p的k个最近邻点组成最近邻B(p)，其中，1≤t≤m,1≤v≤m，x_t＝{x_t1,x_t2,···,x_tm}，x_v＝{x_v1,x_v2,···,x_vm}；

S23、在B(p)的外空间执行复数域的线性降维算法PCA，得到B(p)在低维空间的坐标以及p点处切空间的一组标准正交基；

S24、构造加权无向图G(V，E)，顶点集合V对应训练集X中的样本点，顶点集合V中的任意两顶点之间的权值为这两顶点之间的欧式距离；

S25、基于Dijkstra算法，计算B(p)到训练集X中其他各点的测地线距离；

S26、根据训练集集X中各点的测地线距离以及p点处切空间的一组标准正交基，计算B(p)中的点到训练集X中任意一点的方向

S27、根据训练集X中各点的测地线距离、方向计算训练集X在低维空间中的对应的坐标。

4.如权利要求3所述的方法，其特征在于，所述的步骤S23，包括：

计算训练样本集X'＝{x₁,x₂,···,x_p,···,x_k}中各列向量的均值，其中，高维复数域样本集X'由B(p)中的点构成，其中1≤p≤k；

根据各列向量的均值，构造总体离散矩阵S；

基于奇异值分解法，计算总体离散矩阵S的特征值及对应的归一化特征向量；

按照从大到小的顺序选择前d个特征值对应的特征向量来构成投影矩阵，并将d个特征向量作为p点处切空间的一组标准正交基；

通过投影矩阵对训练样本集X'中的向量x_p进行投影，得到在低维空间对应的坐标y_p。