[发明专利]一种基于模糊三向2DFDA的人脸识别分类方法

说明书

本发明公开了一种基于模糊三向2DFDA的人脸识别分类方法，步骤A、获取图像并进行人脸检测，当检测到人脸后，对包含有背景的人脸图像进行人脸分割，构建新的待分类标准人脸图像；步骤B、根据新的待分类标准人脸图像，利用模糊三向的2DFDA方法建立分类模型和设计优化算法抽取人脸识别特征；步骤C、利用最近邻分类器进行分类，输出人脸图像的分类结果。本发明解决现有基于2DFDA学习模型的人脸图像分类中存在的分类精度较低、速度较慢的技术问题，可用于国家公共安全，社会安全、信息安全、金融安全以及人机交互等等领域，具有良好的应用前景。

技术领域

本发明涉及一种基于模糊三向2DFDA的人脸识别分类方法。

背景技术

在过去的近三十多年时间里，心理学家、神经生理学家以及工程技术人员从各个方面对人脸识别进行了广泛的研究，尤其近年来，关于人脸识别技术的研究非常活跃，各种思想层出不穷，除了人脸拓扑的几何关系和代数特征方法取得了新进展外，其他方法如人工神经网络、小波变换在人脸识别研究中都得到了很广泛的应用，在学术研究领域上存在着重要意义。

国际、国内的众多高校也普遍开展了对人脸识别的研究，发表的有关人脸识别论文的数量不断增多，在人脸识别方面的研究取得了较大的进展，出现了不少人脸识别新方法。比如，华南理工大学硕士学位论文《基于线性特征抽取方法的人脸识别的研究》，作者徐海娟提出了一种利用三向2DFDA的方法进行人脸识别，同时从水平、垂直、对角线三个方向对图像协方差进行估计，其优点在于类内协方差矩阵是可逆的，从而不存在小样品问题，且该方法优于当前的线性子空间方法，但其存在分类精度较低、速度较慢的技术问题。

发明内容

针对上述问题，本发明提供一种基于模糊三向2DFDA的人脸识别分类方法，用于解决现有基于2DFDA学习模型的人脸图像分类中存在的分类精度较低、速度较慢的技术问题。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于模糊三向2DFDA的人脸识别分类方法，包括如下步骤：

步骤A、获取图像并进行人脸检测，当检测到人脸后，对包含有背景的人脸图像进行人脸分割，构建新的待分类标准人脸图像；

步骤B、针对新的待分类标准人脸图像进行下述处理：

B1、计算新的待分类标准人脸图像的模糊隶属度特征矩阵U，U＝[U_ij]，且U_ij必须满足以下的两个条件：

其中，元素U_ij表示第j个训练样本对于第i类的依赖程度，i＝1,2,…c，j＝1,2，....,Ν_i，c表示样本的类别数，N_i表示第i类训练样本的总数，N＝N₁+N₂+...+Ν_C，N表示训练样本的总数；

B2、当i＝1，j＝1，U₁₁为矩阵U第一个元素时，进行左乘的2DFDA算法对原始图像矩阵进行计算，得到特征矩阵Y_l＝[Y_l1,Y_l2,......Y_lN]特征矩阵第一个矩阵Y_l1，为d×n矩阵：

Y_l1＝U_ijW_l^TA₁