• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 6
    • 下载费用:30 金币  

    重庆时时彩怎么看双胆: 一种人脸识别方法.pdf

    关 键 词:
    一种 识别 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201110232456.7

    申请日:

    2011.08.15

    公开号:

    CN102254166A

    公开日:

    2011.11.23

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06K 9/00申请公布日:20111123|||实质审查的生效IPC(主分类):G06K 9/00申请日:20110815|||公开
    IPC分类号: G06K9/00; G06K9/62 主分类号: G06K9/00
    申请人: 无锡中星微电子有限公司
    发明人: 王磊
    地址: 214028 江苏省无锡市无锡新区太湖国际科技园清源路530大厦A区10层
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201110232456.7

    授权公告号:

    ||||||

    法律状态公告日:

    2013.08.07|||2012.01.04|||2011.11.23

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明公开一种人脸识别方法,其包括:建立包括有多张人脸训练图像的人脸训练数据库,基于人脸训练数据库的所有人脸训练图像构造投影矩阵,将人脸训练数据库中的所有人脸训练图像投影到所述投影矩阵上得到每张训练图像的特征矩阵;将待识别图像投影至所述投影矩阵得到该待识别图像的特征矩阵,计算该待识别图像的特征矩阵与各个训练图像的特征矩阵的距离,选择与该待识别图像的特征矩阵距离最小的训练图像的特征矩阵的类别作为该待识别图像的类别。这样,在本发明中不需要进行矩阵求逆运算,不受到奇异矩阵求逆运算的约束,相比于2DLDA鲁棒性更高,应用范围更广泛。

    权利要求书

    1.一种人脸识别方法,其特征在于,其包括:
    建立包括有多张人脸训练图像的人脸训练数据库,基于人脸训练数据库
    的所有人脸训练图像构造投影矩阵,将人脸训练数据库中的所有人脸训练图
    像投影到所述投影矩阵上得到每张训练图像的特征矩阵;
    将待识别图像投影至所述投影矩阵得到该待识别图像的特征矩阵,计算
    该待识别图像的特征矩阵与各个训练图像的特征矩阵的距离,选择与该待识
    别图像的特征矩阵距离最小的训练图像的特征矩阵的类别作为该待识别图像
    的类别。
    2.根据权利要求1所述的人脸检测方法,其特征在于:对多张人脸训练
    图像进行包括光照补偿、直方图均衡、灰度归一化在内的预处理。
    3.根据权利要求1所述的人脸检测方法,其特征在于:所述基于人脸训
    练数据库的所有人脸训练图像构造投影矩阵包括:
    将上述人脸训练数据库中的所有人脸训练图像作为输入,计算类间散度
    矩阵Gb和类内散度矩阵Gw:
    G b = 1 N Σ i = 1 c N i ( I ( i ) - I ) T ( I ( i ) - I ) ]]>
    G w = 1 N Σ i = 1 c Σ j = 1 N i ( I j ( i ) - I ( i ) ) T ( I j ( i ) - I ( i ) ) ]]>
    其中,其中是第i类的样本图像的均值,是所有样本图像的均值;
    计算类间散度矩阵Gb和类内散度矩阵Gw的加权αGb-(1-α)Gw;
    计算所述加权αGb-(1-α)Gw的特征值分解,选择d个最大的特征值对应
    得特征向量u1,u2,…,ud构造所述投影矩阵Ud=[u1,u2,…,ud],
    其中所述人脸训练数据库中共有c个人,一共有N个人脸训练图像样本,
    第i个人的人脸训练图像样本的数目为Ni,第i个人的第j个人脸训练图像样
    本表示为

    说明书

    一种人脸识别方法

    【技术领域】

    本发明涉及图像处理领域,特别是关于一种人脸识别方法。

    【背景技术】

    人脸识别是计算机视觉的重要研究领域,在人机交互、出入控制、智能
    监控等诸多方面有着广阔的市场前景和应用价值。

    目前现有的人脸识别方法,主要是使用线性判别分析(LDA)提取训练
    人脸的特征,然后设计分类器以区分不同种类的人脸图像。线性判别分析的
    主要缺点在于,必须将人脸图像拉伸成一维向量再进行运算,运算复杂度比
    较高,而且需要面对奇异矩阵求逆运算的难题。针对这种情况,最近出现了
    二维线性判别分析(2DLDA),该方法避免了LDA中必须将矩阵拉伸成一
    维向量再进行处理的问题,提高运算速度,同时也在一定程度上解决了奇异
    矩阵求逆问题,但是2DLDA并没有完全解决奇异矩阵求逆问题。

    因此,希望提出一种改进的人脸识别方案来克服上述问题。

    【发明内容】

    本发明所解决的技术问题在于提供一种人脸识别方法,其可以解决人脸
    识别过程中的奇异矩阵求逆问题。

    为解决上述问题,本发明提出一种人脸识别方法,其包括:建立包括有
    多张人脸训练图像的人脸训练数据库,基于人脸训练数据库的所有人脸训练
    图像构造投影矩阵,将人脸训练数据库中的所有人脸训练图像投影到所述投
    影矩阵上得到每张训练图像的特征矩阵;将待识别图像投影至所述投影矩阵
    得到该待识别图像的特征矩阵,计算该待识别图像的特征矩阵与各个训练图
    像的特征矩阵的距离,选择与该待识别图像的特征矩阵距离最小的训练图像
    的特征矩阵的类别作为该待识别图像的类别。

    进一步的,对多张人脸训练图像进行包括光照补偿、直方图均衡、灰度
    归一化在内的预处理。

    进一步的,所述基于人脸训练数据库的所有人脸训练图像构造投影矩阵
    包括:

    将上述人脸训练数据库中的所有人脸训练图像作为输入,计算类间散度
    矩阵Gb和类内散度矩阵Gw:

    G b = 1 N Σ i = 1 c N i ( I ( i ) - I ) T ( I ( i ) - I ) ]]>

    G w = 1 N Σ i = 1 c Σ j = 1 N i ( I j ( i ) - I ( i ) ) T ( I j ( i ) - I ( i ) ) ]]>

    其中,其中是第i类的样本图像的均值,是所有样本图像的均值;

    计算类间散度矩阵Gb和类内散度矩阵Gw的加权αGb-(1-α)Gw;

    计算所述加权αGb-(1-α)Gw的特征值分解,选择d个最大的特征值对应
    得特征向量u1,u2,…,ud构造所述投影矩阵Ud=[u1,u2,…,ud],

    其中所述人脸训练数据库中共有c个人,一共有N个人脸训练图像样本,
    第i个人的人脸训练图像样本的数目为Ni,第i个人的第j个人脸训练图像样
    本表示为

    与现有技术相比,在本发明中在直接利用图像矩阵提取特征,避免了
    LDA中必须将矩阵拉伸成一维向量再进行处理的问题,提高了运算速度。同
    时,不需要进行矩阵求逆运算,不受到奇异矩阵求逆运算的约束,相比于
    2DLDA鲁棒性更高,应用范围更广泛。

    【附图说明】

    结合参考附图及接下来的详细描述,本发明将更容易理解,其中同样的
    附图标记对应同样的结构部件,其中:

    图1为本发明中的人脸识别方法在一个实施例中的流程示意图;和

    图2为本发明中的人脸识别方法的训练阶段在一个实施例中的流程示意
    图。

    【具体实施方式】

    下面结合说明书附图来说明本发明的具体实施方式。

    本发明的目的就是对二维线性判别分析进行进一步的改进,彻底解决二
    维线性判别分析中出现的奇异矩阵求逆问题。

    图1为本发明中的人脸识别方法100在一个实施例中的流程示意图。请
    参阅图1所示,所述人脸识别方法100包括以下步骤。

    步骤110,训练阶段:建立包括有多张人脸训练图像的人脸训练数据库,
    基于人脸训练数据库的所有人脸训练图像构造投影矩阵,将人脸训练数据库
    中的所有人脸训练图像投影到所述投影矩阵上得到每张训练图像的特征矩
    阵。

    图2示出所述训练阶段在一个实施例中的流程示意图。请参考图2所示,
    所述训练阶段包括以下子步骤。

    假设所述人脸训练数据库中共有c个人,一共有N个人脸训练图像样本,
    第i个人的图像样本的数目为Ni,第i个人的第j个图像样本表示为属
    于同一个人的图像样本属于同一类别。

    步骤111,可以对所有的N个人脸训练图像样本进行预处理,比如光照
    补偿、直方图均衡、灰度归一化等。

    步骤112,将上述人脸训练数据库中的所有人脸训练图像作为输入,计
    算类间散度矩阵Gb:

    G b = 1 N Σ i = 1 c N i ( I ( i ) - I ) T ( I ( i ) - I ) ]]>

    步骤113,将上述人脸训练数据库中的所有人脸训练图像作为输入,计算
    类内散度矩阵Gw:

    G w = 1 N Σ i = 1 c Σ j = 1 N i ( I j ( i ) - I ( i ) ) T ( I j ( i ) - I ( i ) ) ]]>

    其中,其中是第i类的样本图像的均值,是所有样本图像的均值。

    步骤114,计算类间散度矩阵Gb和类内散度矩阵Gw的加权αGb-(1-α)Gw。

    步骤115,计算所述加权αGb-(1-α)Gw的特征值分解,选择其中d个最大
    的特征值对应得特征向量u1,u2,…,ud,即(αGb-(1-α)Gw)uj=λjuj,j=1,2,…,d,
    λ1≥λ2≥…≥λd,d个最大的特征值对应得特征向量u1,u2,…,ud构造所述投影矩
    阵Ud=[u1,u2,…,ud],获得投影矩阵Ud。

    步骤116,将人脸训练数据库中的所有人脸训练图像投影到所述投影矩
    阵Ud上得到每张训练图像的特征矩阵从而得到人脸特
    征数据库,同时也可以计算出数据库中每个人的特征矩阵的均值,分别表示

    步骤120,识别阶段:将待识别图像I投影至所述投影矩阵Ud得到该待
    识别图像I的特征矩阵IUd,使用最近邻决策判断分别IUd的类别信息,即计
    算该待识别图像的特征矩阵IUd与各个训练图像的特征矩阵的距
    离,选择与该待识别图像的特征矩阵IUd距离最小的训练图像的特征矩阵的
    类别作为该待识别图像I的类别L(I),

    L(I)的取值为1到N中的某个正整数。

    当然,这里也可以使用其它的方法判断特征矩阵IUd的类别信息,比如
    利用支持向量机或者人工神经网路等,这里不再累述。

    这里主要详细介绍一下本发明中的提出的特征提取方法。

    首先,简单介绍一下2DLDA,2DLDA的核心思想是,找到一个投影矩阵U,
    使得所有样本投影到所述投影矩阵U上之后得到的特征矩阵的类内距离最小
    同时类间距离最大。

    2DLDA考虑的是使UTGbU/UTGwU最大以满足类内最小同时类间距离最大
    的要求,即

    arg max U U T G b U U T G w U . ]]>

    经过推导,需要计算的特征值分解即可,但是问题在于有时矩阵Gw
    是奇异的,其逆矩阵并不存在,我们只好计算Gw的伪逆,这样做会造成不小
    的误差。

    因此,在本发明中对2DLDA进行了改进,目的仍然是,找到一个投影矩
    阵U,使得所有样本投影到U上之后得到的特征矩阵的类内距离最小同时类
    间距离最大,但是在本发明中考虑的是使UTGbU-UTGwU最大以满足类内最小
    同时类间距离最大的要求。

    考虑到不同情况下类内距离和类间距离的影响不一样,我们还进一步引
    入了一个控制参数α,于是,我们希望UT(αGb-(1-α)Gw)U最大,经过推导,我
    们需要计算αGb-(1-α)Gw的特征值分解即可获取投影矩阵。因此,在本发明中
    的训练阶段中需要计算类间散度矩阵Gb和类内散度矩阵Gw的加权。

    这样,在本发明中不需要进行矩阵求逆运算,不受到奇异矩阵求逆运算
    的约束,相比于2DLDA鲁棒性更高,应用范围更广泛。

    以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本
    发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在
    本发明的?;し段е?。

       内容来自专利网重庆时时彩单双窍门 www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:一种人脸识别方法.pdf
    链接地址://www.4mum.com.cn/p-5870703.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 大学的食堂怎么赚钱吗 号码分布图 胜分差 彩虹彩票群 下载福建快3开奖结果子 上海时时彩走势图 最新河北11选5走势图 【中华雄鹰】一尾中特 胜平负对应亚盘 青海快三电子版走势图 波克安徽麻将官网 广东36选7中奖结果走势图 波克棋牌斗地主赢话费 沙糖桔赚钱吗 黑龙江p62 吉祥棋牌下载神