[发明专利]人脸识别方法

摘要

一种人脸识别方法，包括如下步骤扩充训练集使用不同类训练样本在高维空间的线性关系合成训练样本，为每个原始训练样本生成一个聚类；扩展LDA算法估计类内距与类间距，为LDA投影向量构造Fisher准则，使LDA算法适用于扩充的训练集；特征向量提取利用所述Fisher准则，构造特征提取算子，提取人脸图像特征向量；人脸识别根据提取的人脸特征向量进行人脸识别。本方法识别准确率高、运算复杂度低、实时性好，在每类训练样本仅有一个的情况下能够高效准确地识别人脸。

主权项

一种人脸识别方法，其特征在于,包括如下步骤：扩充训练集：使用不同类训练样本在高维空间的线性关系合成训练样本，为每个原始训练样本生成一个聚类；扩展LDA算法：估计类内距与类间距，为LDA投影向量构造Fisher准则，使LDA算法适用于扩充的训练集；特征向量提取：利用所述Fisher准则，构造特征提取算子，提取人脸图像特征向量；人脸识别：根据提取的人脸特征向量进行人脸识别；其中所述扩充训练集包括如下步骤：设定来自第一人脸的图像x与来自第二人脸的图像y为高维空间的两个点，构造一条高维的直线连接这两个点，该直线由式(1)表达；z＝λx+(1‑λ)y 0≤λ≤1   (1)其中λ为变体选择系数；在所有的原始训练样本中，找到x的k个近邻yi(1≤i≤k)，y1表示最近邻；使用公式zi＝λix+(1‑λi)yi合成图像，生成一个关于x的聚类，其中1≤i≤k并且1‑d(x,y1)/(3*d(x,yi))＜λi≤1，其中d()表示两点间的欧氏距离。