[发明专利]基于多局部相关特征学习的两视角人脸识别方法

摘要

本发明公布了一种基于多局部相关特征学习的双视角人脸识别方法，主要在相关特征学习中使用多种局部信息来更好地掌握数据间真实的非线性结构，从而提高人脸识别的准确性。其实现过程为：确定每个训练样本的多种局部块；构建一个相关特征学习和多局部融合的统一优化框架，然后交替迭代求解相关投影方向和多局部融合系数；最后对训练和测试样本进行特征提取和特征融合，并使用最近邻分类器进行识别。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。

主权项

1.基于多局部相关特征学习的两视角人脸识别方法，其过程包含如下步骤：/n(1)将训练集中两个视角的每幅图像都转化为列向量，以形成训练样本矩阵X＝[x₁,x₂,…,x_i,…,x_N]∈R^p×N和Y＝[y₁,y₂,…,y_i,…,y_N]∈R^q×N，其中p和q是样本维数，N是样本个数，并且{x_i,y_i}对应同一个目标，其中，i＝1,2,…,N；/n(2)确定每个训练样本的多种局部块，并构建相关特征学习和多局部融合的统一优化框架；/n(3)计算每个视图的一组相关投影方向；/n(4)计算多局部融合系数；/n(5)重复步骤(3)和(4)，直到最大迭代次数或收敛，跳转到步骤(6)；/n(6)对训练集和测试集的样本进行投影和融合，然后使用最近邻分类器进行识别；/n步骤(3)所述的计算每个视图的一组相关投影方向的具体方法为：/n使用迭代求解法来迭代求解U,V和w_jr；在这个迭代求解方法中，通过固定其中一些优化参数来求解其余优化参数；当固定w_jr时，使用下面的优化问题求解相关投影方向U和V：/n /ns.t.U^TS_wxU＝I,V^TS_wyV＝I/n其中tr(·)定义的是迹操作，其中j,r＝1,2,..,M；M为每个训练样本的局部块个数；是局部块的选择矩阵，是局部块的选择矩阵，Y为训练样本矩阵；/nS_wx是矩阵X的散布矩阵；S_wy是矩阵Y的散布矩阵；I表示单位矩阵；借助于拉格朗日乘子法，该优化问题转化为下面的广义特征值分解问题：/n /n求解该广义特征值分解问题，获得前d个最大特征值对应的特征向量进而获得两个视角的相关投影方向U＝[u₁,u₂,…,u_j,…,u_d]∈R^p×d和V＝[v₁,v₂,…,v_j,…,v_d]∈R^q×d；/n步骤(4)所述的计算多局部融合系数的具体方法如下：/n当固定U和V时，使用下面的优化问题求解多局部融合系数w_jr：/n /n /n其中，e_K＝[1,1,…,1]^T∈R^K×1；/n通过引入拉格朗日乘子，获得拉格朗日函数：/n /n设定对于w_jr导数为0，得到：/n /n /n /n /n /n通过求解上述方程组，得：/n /n /n /n /n