[发明专利]一种人脸图像识别的双向鉴别特征提取方法

摘要

本发明公开一种模式识别和人工智能领域中的人脸图像识别的双向鉴别特征提取方法，首先计算人脸图像矩阵列压缩时的类间散射矩阵和类内散射矩阵，再计算类内散射矩阵的逆矩阵和类间散射矩阵的乘积矩阵，取乘积矩阵前几个最大特征值所对应的特征向量形成最优投影矩阵，用最优矩阵对人脸图像矩阵进行列压缩；其次求出人脸图像矩阵行压缩时的类间散射矩阵、类内散射矩阵和总体散射矩阵，从而求出最优投影矩阵并用最优投影矩阵的转置矩阵对人脸图像矩阵行压缩；采用不同的人脸识别方法同时从人脸图像矩阵的列方向上提取线性鉴别信息和行方向上提取非相关鉴别信息，可以得到人脸图像互补的特征信息，提高人脸图像的识别率。

主权项

一种人脸图像识别的双向鉴别特征提取方法，其特征是依序按以下步骤：(1)从人脸图像数据库中提取C类人脸图像，每幅人脸图像样本是m×n维矩阵图像，m×n维人脸样本矩阵为A，C类中的第i类C_i有n_i个训练样本，1≤i≤C，计算出第i类训练样本图像的均值和总的训练样本图像的均值A_j为第j个m×n的人脸图像样本，1≤i≤C，1≤j≤N，N为训练样本总个数；(2)计算出类内散射矩阵S_W、类间散射矩阵S_B、类内散射矩阵S_W的逆矩阵与类间散射矩阵S_B乘积矩阵的特征值ω及ω对应的特征向量ξ：$S_W=\frac{1}{N}\underset{i=1}{\overset{C}{\Σ}}\underset{j\∈C_i}{\Σ}{(A_j-\stackrel{\‾}{A_i})}^T(A_j-\stackrel{\‾}{A_i}),$$S_B=\frac{1}{N}\underset{i=1}{\overset{C}{\Σ}}{n}_i{(\stackrel{\‾}{A_i}-\stackrel{\‾}{A})}^T(\stackrel{\‾}{A_i}-\stackrel{\‾}{A}),$$S_W^{-1}{S}_B\mathrm{\ξ}=\mathrm{\ω}\mathrm{\ξ};$(3)将特征值ω从大到小排列，取前f个特征值为{ω₁,ω₂......ω_f}，对应的特征向量为{ξ₁,ξ₂......ξ_f}，f≤n，最大特征值ω₁所对应的特征向量ξ₁即为投影矩阵U＝{ξ₁,ξ₂......ξ_f}的第一个列向量，利用投影矩阵U将人脸样本矩阵A投影到投影空间，对人脸样本矩阵A进行列压缩，得到m×f维矩阵Z＝AU：(4)计算出类内散射矩阵类间散射矩阵总体散射矩阵T′_W＝S′W+S′_B、g个最优投影矢量中τ₁、τ₂、......τ_k的前k个判别矢量以及m×g维最优投影矩阵D_g＝(ζ₁,ζ₂,...,ζ_g)^T，k≤g，g≤m；(5)用最优投影矩阵D_g对人脸图像矩阵A进行行压缩，得到g×f维的图像矩阵用最近邻分类器对图像矩阵Z′进行分类处理，计算出识别率。