[发明专利]一种基于穿戴式智能眼镜的人脸识别方法及装置

权利要求书

1.一种基于穿戴式智能眼镜的人脸识别方法，其特征在于，包括：

对人脸数据的原样本空间进行霍特林K-L变换得到降维后的特征表示子空间，其中，特征表示子空间的秩不大于原样本空间的秩的上限，并且所述特征表示子空间的类内离散度可逆；

对所述特征表示子空间进行线性判别分析LDA以提取特征数据。

2.根据权利要求1所述的人脸识别方法，其特征在于，对人脸数据的原样本空间进行K-L变换包括：

以一个N维向量f表示所述原样本空间，计算所述N维向量f的均值向量μ和协方差矩阵C_f；

计算协方差矩阵C_f的特征值和特征向量；

由所述特征向量组成变换矩阵，并根据所述变换矩阵对的述N维向量f进行所述K-L变换得到变换后的向量F。

3.根据权利要求2所述的人脸识别方法，其特征在于，对人脸数据的原样本空间进行K-L变换还包括：

根据所述变换后的向量F的均值向量为零向量，计算变换后的向量F的协方差矩阵；

其中，变换后的向量F的协方差矩阵是由N维向量f的协方差矩阵C_f的特征值组成的对角矩阵。

4.根据权利要求1所述的人脸识别方法，其特征在于，对所述特征表示子空间进行线性判别分析LDA包括：

舍弃特征表示子空间中的部分特征值，其中保留的另一部分特征值反映的特征量大于舍弃的所述部分特征值反映的特征量。

5.根据权利要求1所述的人脸识别方法，其特征在于，对所述特征表示子空间进行线性判别分析LDA包括：

根据特征表示子空间对人脸图像进行特征空间构造，之后去除其中的零向量。

6.根据权利要求1所述的人脸识别方法，其特征在于，对所述特征表示子空间进行线性判别分析LDA包括：

对所述特征表示子空间进行小波变换以提取特征数据。

7.一种基于穿戴式智能眼镜的人脸识别装置，其特征在于，包括：

变换模块，用于对人脸数据的原样本空间进行霍特林K-L变换得到降维后的特征表示子空间，其中，特征表示子空间的秩不大于原样本空间的秩的上限，并且所述特征表示子空间的类内离散度可逆；

分析模块，连接于所述变换模块，用于对所述特征表示子空间进行线性判别分析LDA以提取特征数据。