[发明专利]基于协作模糊均值鉴别分析的多姿态人脸识别方法

权利要求书

1.基于协作模糊均值鉴别分析的多姿态人脸识别方法，其特征在于，包括如下步骤：

步骤1、获取包括若干个不同类的多姿态人脸图像训练样本集，对训练样本集中的每个训练样本和待识别样本均进行归一化并利用PCA进行降维处理；

步骤2、利用所得降维后训练样本的协作表示系数计算每个训练样本的类隶属度，具体为：

对于步骤1中获得的每个训练样本x_i(i＝1,2,...,n)，将其协作表示成训练集中其它样本的线性组合，而组合系数通过求解下列L₂范数问题获得：

其中w_i＝[w_i,1,...,w_i,i-1,0,w_i,i+1,...,w_i,n]^T∈Rⁿ表示训练样本x_i的重构系数向量，w_ij(i≠j)表示x_j对重构x_i的贡献度，λ＞0表示调节参数，w_i由下列计算式获得：

w_i＝(X_i^TX_i+λ·I)^-1X_i^Tx_i

其中X_i＝[x₁,...,x_i-1,0,x_i+1,...,x_n]^T；

由每个训练样本的协作表示系数得到样本的类隶属度为：

其中，u_ci表示训练样本x_i对于第c类的隶属度，所述c＝1,2,...,C，且C表示训练样本集的类数；l_i为训练样本x_i的类别标签，表示第c类训练样本重构x_i的贡献度之和，表示全体训练样本重构x_i的贡献度之和；

步骤3、利用所得训练样本的类隶属度计算模糊类均值；

步骤4、根据训练样本与模糊类均值之间的距离计算训练样本的模糊类内散度与模糊类间散度；

步骤5、通过最大化训练样本的模糊类间散度与模糊类内散度的比值求取投影矩阵，并利用投影矩阵提取训练样本和待识别样本的特征；

步骤6、根据最近邻分类器判断和确定待识别样本的类标。

2.根据权利要求1所述基于协作模糊均值鉴别分析的多姿态人脸识别方法，其特征在于：所述步骤3计算模糊类均值采用公式：

其中，m_fc表示第c类训练样本的模糊类均值，所述c＝1,2,...,C，且C表示训练样本集的类数；u_ci表示训练样本x_i对于第c类的隶属度。

3.根据权利要求1所述基于协作模糊均值鉴别分析的多姿态人脸识别方法，其特征在于：所述步骤6判断待识别样本的类标，具体为：

如果||y_test-y_k||＝min_i||y_test-y_i||，则label(y_test)＝label(y_k)；

其中，y_test为待识别样本，y_k、y_i分别表示第k个和第i个训练样本所提取出的特征。