The invention relates to a face recognition algorithm based on an adaptive neighbor, in dimensionality reduction of high-dimensional face data, adopt adaptive method, the adjacency matrix and projection matrix are considered as variables and constraint each other, at each iteration, the distance between the low dimensional projection data after the re select the nearest neighbor and, according to the construction of new selected neighbor adjacency matrix, and update the projection matrix, after several iterations, the adjacency matrix and projection matrix were stable and the projection matrix applied in face recognition can improve the classification effect.
【技术实现步骤摘要】
一种自适应近邻的人脸识别算法
本专利技术涉及数据挖掘、模式识别和图像处理领域。
技术介绍
人脸识别是一种利用脸部特征信息进行身份识别的一种生物识别技术,被广泛应用于金融、军事、司法、公共安全、教育以及医疗等多个领域。人脸图像数据具有维数高的特点,如何通过特征提取降低数据的维数,并保持其内在特征是人脸识别的研究重点。子空间分析方法是人脸识别领域的研究热点,其具有计算代价小,描述性强及可分性强等特点。传统的特征提取算法在计算投影矩阵时往往直接在原始空间中选取固定近邻,这样的近邻选取方式往往不准确。
技术实现思路
本专利技术的目的是改进现有技术的上述不足,提供一种可以提高人脸识别准确率的识别方法。本专利技术通过自适应的方式选取近邻,通过迭代的方式每次在投影子空间中重新选取近邻,使得选取的近邻更能体现数据本身的特性。技术方案如下:一种自适应近邻的人脸识别算法,在对高维人脸数据进行降维时,采取自适应的方式,将邻接矩阵和投影矩阵都视为变量并互相约束,在每一次迭代中,都通过投影后的低维数据之间的距离关系重新选取近邻,并根据选取的近邻构建新的邻接矩阵,并更新投影矩阵,经过多次迭代,邻接矩阵和投影矩阵均趋于稳定,此时得到的投影矩阵应用于人脸识别中可以得到提高分类效果,所采用的目标函数如下:其中,S为邻接矩阵,W为投影矩阵,WT为W的转置矩阵,x为样本,c为类别数,nl为每一类样本数,γ为正则化参数,通过迭代取得目标函数J的最小值。优选地,步骤1:对人脸数据库中的训练样本进行数据预处理,并根据样本点之间的欧式距离||xi-xj||2,定义初始化的邻接矩阵S,用来表示样本点两两之间 ...
【技术保护点】
一种自适应近邻的人脸识别算法,在对高维人脸数据进行降维时,采取自适应的方式,将邻接矩阵和投影矩阵都视为变量并互相约束,在每一次迭代中,都通过投影后的低维数据之间的距离关系重新选取近邻,并根据选取的近邻构建新的邻接矩阵,并更新投影矩阵,经过多次迭代,邻接矩阵和投影矩阵均趋于稳定,此时得到的投影矩阵应用于人脸识别中可以得到提高分类效果,所采用的目标函数如下:
【技术特征摘要】
1.一种自适应近邻的人脸识别算法,在对高维人脸数据进行降维时,采取自适应的方式,将邻接矩阵和投影矩阵都视为变量并互相约束,在每一次迭代中,都通过投影后的低维数据之间的距离关系重新选取近邻,并根据选取的近邻构建新的邻接矩阵,并更新投影矩阵,经过多次迭代,邻接矩阵和投影矩阵均趋于稳定,此时得到的投影矩阵应用于人脸识别中可以得到提高分类效果,所采用的目标函数如下:其中,S为邻接矩阵,W为投影矩阵,WT为W的转置矩阵,x为样本,c为类别数,nl为每一类样本数,γ为正则化参数,通过迭代取得目标函数J的最小值。2.根据权利要求1所述的自适应近邻的人脸识别算法,其特征在于,步骤1:对人脸数据库中的训练样本进行数据预处理,并根据样本点之间的欧式距离||xi-xj||2,定义初始化的邻接...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。