[发明专利]基于人脸和小波包分析的种族识别方法及系统

权利要求书

1.一种基于人脸和小波包分析的种族识别方法，其特征在于，包括：

步骤1：选择包含不同种族人脸的训练样本集，对人脸图像进行小波包分解获得相应的分解系数；

步骤2：对其分解系数进行筛选，并利用LDB方法选择人脸种族的特征子空间，获得小波包变换之后的最优基；

步骤3：把训练样本集图像分别投影到人脸种族特征子空间上，分别计算得到训练样本集图像的特征向量集合，利用SVM分类器进行训练，得到训练模型；

步骤4：利用训练模型对待测图像进行识别及分类，得到分类结果即为该待测图像中人脸所属种族；

所述步骤1包括：

步骤11，读入包含不同种族的人脸数据，目前已知的种族类别是黑、白、黄三种，设三类种族人脸图像的特征向量分别为ω₁，ω₂，ω₃，其训练样本集为：

{ω_i＝{ξ^(i,k)},1≤i≤3,1≤k≤M_i},

为ω_i中第k个m维样本矢量，M_i为ω_i的类的样本数；

步骤12，选择Daubechies小波函数db4对ξ^(i,k)进行两层小波包分解,得到第j级中第n个小波包子空间为中的小波包系数为

步骤13，计算中第p个小波包系数对应的时频能量Γ^(y)(ω_i)，对小波包分解出的每一个子空间对应的每一个特征向量ξ^(a,y)，计算它的判别式能量：

δ_i＝ε(Γ⁽¹⁾(ω_i),…,Γ^(y)(ω_i))    (2.2)

其中，y为ω_i方向上类别序数，N_y为该类的样本矢量的数量,ε为求最小值运算符；

所述步骤2包括：

步骤21，采用Mallet金字塔算法，把步骤13得到的判别式能量作为代价函数，对特征向量的判别式能量δ_i进行降序排列；

步骤22，从大到小选取m个判别式能量δ_i，并从特征向量中选择m个相应的特征向量，这m个特征向量就是人脸种族的特征子空间，作为小波包的最优基。

2.根据权利要求1所述的基于人脸和小波包分析的种族识别方法，其特征在于，所述步骤3包括：

步骤31，把训练样本集图像投影到人脸种族的特征子空间上，计算得到训练样本集图像的特征向量集合V，并根据对应的种族信息为每个样本图像的特征向量做标签；

步骤32，把训练样本集图像的特征向量集合V输入到SVM分类器进行训练，得到训练模型M。

3.根据权利要求1-2任意一项所述的基于人脸和小波包分析的种族识别方法，其特征在于：所述步骤4包括：

步骤41，把待识别的图像投影到人脸种族的特征子空间上，计算得到待识别图像的特征向量R；

步骤42，把特征向量R输入到SVM分类器，利用训练模型M进行分类，从而得到待识别人脸图像所属的种族类别。