[发明专利]一种基于通用的集合度量学习的人脸验证方法

权利要求书

1.一种基于通用的集合度量学习的人脸验证方法，其特征在于：包括以下步骤：

步骤1：对已知人脸数据集α和未知人脸数据集β中的人脸图像，分别提取人脸的特征，利用集合度量得到数据集α与数据集β中的差异量；

步骤2：利用所述差异量得到距离度量函数和距离度量标准；

步骤3：利用所述距离度量函数和距离度量标准构建决策函数，并采用交叉梯度下降算法求解构建决策函数中经验风险函数的最小值，所述经验风险函数的最小值对应的已知人脸图像为该未知人脸图像的验证结果；

所述步骤2中距离度量函数的表达式为：

其中，表示交互差异投影量的左乘量子，表示交互差异投影量的右乘量子，F表示求取所有元素平方和的算术平方根；表示已知人脸数据集α中第i个图像的差异量，表示未知人脸数据集β中第i个图像的差异量，N_f表示图像特征的个数，N_r表示在参考集中图像的数目。

2.根据权利要求1所述的一种基于通用的集合度量学习的人脸验证方法，其特征在于：所述步骤1中，还包括对人脸图像进行预处理，所述预处理包括对人脸图像中的人脸进行标框处理，并通过旋转操作使人脸图像对齐。

3.根据权利要求1所述的一种基于通用的集合度量学习的人脸验证方法，其特征在于：所述步骤2中距离度量标准的表达式为：

其中，b_i表示第i个图像的距离度量标准，S表示相似对的集合，而D表示不相似对的集合，表示已知人脸数据集α中第i个图像的差异量，表示未知人脸数据集β中第i个图像的差异量，N_f表示图像特征的个数，N_r表示在参考集中图像的数目。

4.根据权利要求1所述的一种基于通用的集合度量学习的人脸验证方法，其特征在于：所述步骤3中，决策函数的表达式为：

f(F_i^α，F_i^β；L，R)＝T-d_L，R(F_i^α，F_i^β)

其中，T表示全局决策阈值；

经验风险函数的表达式为：

其中，w_i是第i个图像差异量的权重。