[发明专利]小样本条件下的人脸图像非线性鉴别特征抽取和识别方法

摘要

本发明公开了一种小样本条件下的人脸图像非线性鉴别特征抽取和识别方法。包括(1)训练阶段，首先利用人脸图像样本计算一个核矩阵，并构造两个新矩阵，在此基础上计算两个新的核矩阵，并对其中一个核矩阵进行Cholesky分解得到一个上三角矩阵，进而对每类人脸图像计算出一个非线性特征矢量。(2)识别阶段，首先计算待识别人脸图像的非线性特征矢量，然后计算其和每类人脸特征矢量的距离，将待识别人脸图像归入最小距离对应的人脸类别中。本发明所得非线性鉴别矢量和特征互不相关，消除了非线性鉴别特征间的冗余，提高了所得鉴别特征的鉴别能力。在训练阶段和识别阶段均具有较高的计算效率和较好的数值计算稳定性。

主权项

1.一种小样本条件下的人脸图像非线性鉴别特征抽取和识别方法，其特征在于包括如下步骤：(1)训练阶段：①计算核矩阵K，构造矩阵A，计算核矩阵K_A：有C个人脸类别，每个人脸类别有N个人脸图像训练样本，总训练样本数为M＝NC；将采集到的人脸图像样本矩阵拉直为一个矢量，用矢量表示人脸图像样本；计算M×M的核矩阵K，其第m行第j列的元素用核函数k(x_m，x_j)计算得到，其中核函数是2阶多项式核函数，矢量x_m和x_j分别表示总训练样本中的第m个和第j人脸图像训练样本，表示x_m的转置运算，m＝1，2，...，M，j＝1，2，...，M，下同；构造矩阵A＝[A₁，A₂，...，A_i，...，A_C]，其中A_i是M×N-1的矩阵，i＝1，2，...，C，定义如下：矩阵A_i中：从第1行到(i-1)N行均为0，第(i-1)N+1行均为-1，第(i-1)N+1行下面是一个N-1×N-1的单位矩阵，其余元素均为0；用矩阵K和A计算核矩阵K_A＝A^TKA，上标T表示矩阵转置运算；②构造矩阵B，计算核矩阵K_B：构造矩阵B为M×C-1的矩阵，构造方法如下：矩阵B中：第1行均为-1，第q×N+1行第q列为1，其中q的取值为q＝1，2，...，C-1，其余元素均为0；计算核矩阵K_B：K_B＝B^T[K-2KDK+KDKDK]B其中B^T表示B的转置矩阵，矩阵D＝A(K_A)^-1A^T，矩阵(K_A)^-1表示K_A的逆矩阵，A^T表示A的转置矩阵；③对核矩阵K_B进行Cholesky分解得到上三角矩阵R_B，④计算第i类人脸的非线性特征矢量Y_i：Yi=RB-TBT[I-KD]G]]>其中表示第i类人脸的第n个人脸图像样本，i＝1，2，...，C，n＝1，2，3，...，N；I表示单位阵，表示R_B转置矩阵的逆矩阵；(2)识别阶段：a)计算待识别人脸图像样本x_test的非线性特征矢量Y_test：Ytest=RB-TBT[I-KD]H]]>其中H＝[k(x₁，x_test)，k(x₂，x_test)，...，k(x_M，x_test)]^T；b)计算Y_test和Y_i的最小距离：i＝1，2，...，C，其中||Y_i-Y_test||表示Y_test和Y_i的欧氏距离，min表示求最小距离；识别的准则是将待识别人脸图像样本x_test归入最小距离对应的人脸类别中。