[发明专利]一种基于模糊三向2DFDA的人脸识别分类方法

摘要

本发明公开了一种基于模糊三向2DFDA的人脸识别分类方法，步骤A、获取图像并进行人脸检测，当检测到人脸后，对包含有背景的人脸图像进行人脸分割，构建新的待分类标准人脸图像；步骤B、根据新的待分类标准人脸图像，利用模糊三向的2DFDA方法建立分类模型和设计优化算法抽取人脸识别特征；步骤C、利用最近邻分类器进行分类，输出人脸图像的分类结果。本发明解决现有基于2DFDA学习模型的人脸图像分类中存在的分类精度较低、速度较慢的技术问题，可用于国家公共安全，社会安全、信息安全、金融安全以及人机交互等等领域，具有良好的应用前景。

主权项

1.一种基于模糊三向2DFDA的人脸识别分类方法，其特征在于，包括如下步骤：/n步骤A、获取图像并进行人脸检测，当检测到人脸后，对包含有背景的人脸图像进行人脸分割，构建新的待分类标准人脸图像；/n步骤B、针对新的待分类标准人脸图像进行下述处理：/nB1、计算新的待分类标准人脸图像的模糊隶属度特征矩阵U，U＝[U_ij]，且U_ij必须满足以下的两个条件：/n /n其中，元素U_ij表示第j个训练样本对于第i类的依赖程度，i＝1,2,…c，j＝1,2,…N，c表示样本的类别数，N表示训练样本的总数；/nB2、进行左乘的2DFDA算法对原始图像矩阵进行计算，得到特征矩阵Y_l：/nY_l＝U_ijW_l^TA/n其中，W_l＝[w₁,w₂,......w_d]，为m×d阶投影矩阵,w_i是对应于前d个最大特征徝的m维列向量，i＝1,....,d，W_l^T为W_l的转置，A为训练样本，m为样本的行向量，d为最大特征值个数；/nB3、进行右乘的2DFDA算法对原始图像矩阵进行计算，得到特征矩阵Y_r：/nY_r＝AW_rU_ij/n其中，W_r为d×n阶投影矩阵，n为样本列向量；/nB4、对原始图像进行对角线重排，计算出特征矩阵Y_r′：/nY_r′＝DU_ijW/n其中，D记为A重排后的m×n矩阵；W＝[w₁,w₂,......w_d]，为m×d阶投影矩阵；/nB5、将上述矩阵Y_l、Y_r和Y_r′合成一个特征矩阵Y＝(Y_l,Y_r,Y_r′)^T；/n步骤C、利用最近邻分类器进行分类，输出人脸图像的分类结果。/n