[发明专利]一种基于词袋模型的人脸图像识别方法

摘要

本发明涉及一种基于词袋模型的人脸图像识别方法，其特征在于：步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。

主权项

一种基于词袋模型的人脸图像识别方法，其特征在于：步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果；步骤2中，通过如下方法生成视觉词典，步骤2.1:把每个区域得到的一组特征点看成是一个数据集C，聚类数目为K，令V＝C，S＝{V}，先从数据集S里选取一个数据集Vj,1≤j≤K；步骤2.2:在Vj中随机挑选两个点作为聚类初始中心点dj,j＝1,2，计算所有特征点xi到这两个中心点的距离，1≤i≤N,，把所有点分配到离它最近的中心点，然后重新计算中心点的坐标，cj=1mjΣx∈Cjx]]>其中mj是簇Cj，j＝1,2中特征点的个数；比较两次的中心点坐标，若发生了改变，则重新计算所有特征点到新聚类中心点的距离，再分配所有特征点到离其最近的中心点，再重新计算中心点坐标，重复这个过程，直到中心点坐标不再发生改变，然后输出簇集V1,V2；步骤2.3:把V1,V2放到簇集S中，运用SSE准则选取一个数据集Vj,1≤j≤K，其中SSE表示为：SSE=Σx∈Vjdist(cj,x)2]]>其中cj是聚类中心坐标，x是Vj中的特征点；步骤2.4:重复步骤2.2、步骤2.3，直至簇集S中有K个簇，每个区域生成的簇集S就是1个视觉词典，其中包含K个视觉单词，每个视觉单词是每个簇的聚类中心；步骤2.5：重复步骤2.1至2.4，对应人脸图像分成的25个区域，最终每幅人脸图像生成25个视觉词典。