[发明专利]特征加权的人脸识别算法

摘要

本发明涉及人脸技术领域，具体涉及一种特征加权的人脸识别算法，包括以下步骤：采用小波变换把人脸图像分解成高低频分量，对不同分量进行主成分分析(PCA)提取特征图像，根据各分量的重要性使用AHP算法进行加权，使用支持向量机(SVM)进行分类识别。本发明图像识别率最高，图像的主要信息都被用于识别。

主权项

特征加权的人脸识别算法，其特征在于：包括以下步骤：S1、采用小波变换把人脸图像分解成高低频分量，S2、对不同分量进行主成分分析(PCA)提取特征图像，具体包括：设人脸图像的大小为m×n，经过向量化之后变成M＝m×n维的列向量，人脸训练样本为N，X_i为第i个样本的列向量，则取训练样本平均值μ：$\mathrm{\μ}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{X}_i---\left(1\right)$再把每个训练样本减去人脸均值之后，组成矩阵A＝[X₁‑μ,X₂‑μ,...,X_N‑μ]，那么训练样本的协方差矩阵为：$C=\frac{A\·A^T}{N}---\left(2\right)$再求取C非零特征值所对应的特征向量组成所要寻找的最优投影子空间，在实际的人脸识别中用特征值得累积贡献率来确定要选取的主成分维度d，选取使α≥90％的特征值对应的特征向量构造特征空间，则特征空间的矩阵为U＝[u₁,u₂,...,u_d]，将训练样本向特征空间上投影，得到投影矩阵：Q＝U^TA  (3)即为样本的特征脸；S3、根据各分量的重要性使用AHP算法进行加权，S4、使用支持向量机(SVM)进行分类识别。