[发明专利]一种人脸识别方法及系统

摘要

本申请提供了一种人脸识别方法，通过互为近邻的同类样本之间的实际距离，并构建类内邻接图，通过互为近邻的异类样本之间的实际距离，并构建类间邻接图，确定最佳目标维数和投影变换矩阵，将降维后的各个训练样本按照所述投影变换矩阵变换到判别子空间中，利用所述投影变换矩阵，将待测样本映射到所述判别子空间中，得到测试样本；利用最近邻分类模块，对所述测试样本进行分类。因此，本申请的类内邻接图和类间邻接图是通过近邻样本之间的实际距离得到的，能够反映样本真实的局部结构，因此提高了对待测样本进行分类的分类性能。

主权项

一种人脸识别方法，其特征在于，包括：对预存储的原始训练样本集中的各个训练样本进行降维；通过降维后的各个训练样本的标签类别，确定降维后的各个训练样本的同类近邻集合和异类近邻集合，其中降维后的各个训练样本的标签类别与降维前的标签类别相同；根据所述同类近邻集合，确定互为近邻的同类样本之间的实际距离，并构建类内邻接图；根据所述异类近邻集合，确定互为近邻的异类样本之间的实际距离，并构建类间邻接图；根据所述类内邻接图、所述类间邻接图和降维后的各个训练样本，确定最佳目标维数和投影变换矩阵，所述根据所述类内邻接图、所述类间邻接图和降维后的各个训练样本，确定最佳目标维数和投影变换矩阵的过程，包括：对进行特征分解，获得特征值λi及其对应的特征矢量Pi，i＝1,…,d，其中是由降维后的训练样本组成的训练样本矩阵，S＝Db‑Fb‑Dw+Fw，Dw是一个对角矩阵，且对角线上的元素为Db是一个对角矩阵，且对角线上的元素为把特征值λi按照从大到小的顺序排列，即λ1≥λ2≥…≥λd，则将所有正特征值的个数确定为所述最佳目标维数r，将投影变换矩阵确定为P＝[P1,…,Pr]；所述原始训练样本集由表征，xi表示原始训练样本，yi是xi的类别标签，c表示类别数，N表示训练样本的总个数，D表示训练样本的维数，所述R表示原始训练样本集；降维后的训练样本组成的训练样本集由表征，所述d为训练样本降维后的维数，所述R表示降维后的训练样本组成的训练样本集；所述类内邻接图具体为：其中，所述Fw为类内邻接图，和分别表示样本和的同类近邻集合，且与类别相同，d(i,j)为样本和样本的距离，t＞0是一个常数，所述用于表示类别相同的所述和所述互为近邻；所述类间邻接图具体为：其中，所述Fb为类间邻接图，和分别表示样本和的异类近邻集合，且与类别不相同，用于表示类别不相同的所述和所述互为近邻；将降维后的各个训练样本按照所述投影变换矩阵变换到判别子空间中，并将所述最佳目标维数作为所述判别子空间的训练样本集的维数；利用所述投影变换矩阵，将待测样本映射到所述判别子空间中，得到测试样本；利用最近邻分类模块，对所述测试样本进行分类。