[发明专利]一种基于流形学习的人脸识别方法在审
| 申请号： | 201310320237.3 | 申请日： | 2013-07-26 |
| 公开（公告）号： | CN103336960A | 公开（公告）日： | 2013-10-02 |
| 发明（设计）人： | 程建;马莹;张敬献;王峰;李鸿升 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 成都华典专利事务所(普通合伙) 51223 | 代理人： | 徐丰;杨保刚 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于流形学习的人脸识别方法，属于图像处理技术领域，解决了传统方法中直接对高维图像进行处理所消耗资源过多的问题。本发明结合最近特征子空间分类器和局部线性嵌入两种方法用于人脸图像的降维处理，然后采用最近邻分类器对降维后的数据进行识别，首先构建人脸图像高维数据，将人脸图像样本按行拉伸为一维向量；然后对构建的人脸图像高维数据进行降维处理，获得所有人脸图像在同一低维空间的低维表示；最后在低维嵌入空间。本发明通过对图像进行训练，实时采集待测试图像，进行人脸识别，比采用基于欧氏距离的局部线性嵌入方法更为合理，识别准确率更高，也比直接采用高维数据进行识别的运算复杂度更低，更加简便。 | ||
| 搜索关键词： | 一种 基于 流形 学习 识别 方法 | ||
【主权项】：
1.一种基于流形学习的人脸识别方法，其特征在于，包括以下步骤： S100：构建人脸图像高维数据，将人脸图像样本按行拉伸为一维向量，设定图像样本数据库为高维数据空间点集![]()
其中c是类别标签，且1≤c≤C，1≤i≤nc，并有![]()
S200：对训练样本图像和待测试样本图像进行降维处理，获得所有人脸图像在同一低维空间的低维表示； S300：在低维嵌入空间中，通过最近邻分类器对待测试人脸图像进行识别，获得识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310320237.3/，转载请声明来源钻瓜专利网。
