[发明专利]基于广义非线性判别分析的人脸识别方法

摘要

本发明公开了一种基于广义非线性判别分析的人脸识别方法，它涉及模式识别技术领域，其目的在于采用该方法既能提取非线性的判别信息，又能采用任意的连续非线性映射函数，还不局限于正定条件。该方法的实现步骤为：1)学习过程：采用经验映射函数把原空间的训练样本映射到经验映射空间，在该空间中采用线性判别方法，以求得可分信息最大的投影矩阵；2)识别过程：对每个测试样本用经验映射函数映射到经验映射空间，然后再用训练得到的投影矩阵对映射后的样本进行投影，最后在低维的投影子空间中运用最近邻分类器进行识别。在采用正定核函数作为经验映射函数时，核Fisher判别方法等价于本发明的方法。本发明可用于人脸识别、图像识别、目标识别等。

主权项

1.一种基于广义非线性判别分析的人脸识别方法，具体实现步骤如下：(1)、对人脸图像的学习过程①、首先对人脸训练图像进行处理，以获取原空间中的原始训练样本矩阵X；这里的处理是将每幅用于训练的人脸图像经行堆叠为一个n维向量xi∈Rn，即构成一个原始训练样本；则所有训练用的人脸图像可构成一个原始训练样本矩阵X＝[x1，…，xl]∈Rn×l，l为样本的个数，X中的每一列代表了一个原始训练样本；②、然后采用经验映射函数ψ对原始训练样本矩阵X进行映射，以获取经验映射空间中的映射训练样本矩阵G；这里的映射是指用经验映射函数ψ把一个原始训练样本xi映射为N维空间中一个映射训练样本，即gi＝ψ(xi)∈RN；映射训练样本矩阵表示为G＝[g1，…gl]，G中的每一列代表了一个映射训练样本；该经验映射函数ψ是指任意的非线性连续函数，不局限于核技术中的正定核函数，也就是说可以不满足正定条件；③、对经验映射空间中的映射训练样本矩阵G进行线性判别分析，求得投影矩阵W；④、利用得到的投影矩阵W对经验映射空间中的映射训练样本矩阵G进行投影，以获取投影子空间中的投影训练样本矩阵Z，Z＝WTG，其中上标T表示矩阵或向量的转置，Z中的每一列代表了一个投影训练样本；(2)、对人脸图像的识别过程①、对人脸测试图像进行处理，以获取原空间中的原始测试样本x；其过程是将每个人脸测试图像经行堆叠为一个n维向量，形成人脸图像的原始测试样本x；②、把每个原始测试样本x用经验映射函数ψ映射到经验映射空间，获得映射测试样本g，g＝ψ(x)∈RN；③、利用在学习过程中得到的投影矩阵W，对映射测试样本g进行投影，获得投影子空间中的投影测试样本z，z＝WTg；④、在投影子空间中运用最近邻分类器对z进行分类；最近邻分类器是在投影子空间中所采用的分类器，它把某个测试样本归类到离它最近的训练样本所属的类别中。