一种人脸识别方法及系统技术方案

本发明专利技术提供了一种人脸识别方法及系统，包括：根据投影变换矩阵，将待测样本映射到判别子空间中；根据K近邻分类原则，从所述判别子空间中找出与映射后的待测样本距离最近的低维训练样本，并根据所述低维训练样本的类别，确定所述待测样本的类别，本发明专利技术不仅通过类内邻接矩阵和类间邻接矩阵保持了训练样本的局部结构，还通过建立类内邻接矩阵和类间邻接矩阵的关系函数，以及调节关系函数中的参数，平衡了训练样本点类内和类间的关系，再通过得到的判别子空间最佳目标维数和投影变换矩阵，使得待测样本在判别子空间中具有更好的可分性，从而在平衡训练样本几何分布的同时，提高了系统的分类性能。

【技术实现步骤摘要】

本专利技术涉及人脸识别领域，更具体地说，涉及一种人脸识别方法及系统。
技术介绍
目前，人脸识别已经成为计算机视觉领域中非常重要的一个研究课题，人脸识别系统也已经成为图像分析领域中最成功的一个应用。随着人脸识别系统在商业应用上的不断推广，美国国家标准技术研究所（NIST）组织了人脸识别工业界最权威的人脸识别技术评测——人脸识别供应商测试（FRVT）。迄今为止，FRVT现已成功举办多届，分别为FRVT2000、FRVT2002、FRVT2006，并且，在FRVT2006中已经开始鼓励学术机构参加该测试，由此可见，人脸识别的研究有着非常重大的现实意义，人脸识别系统一旦研究成功投入应用，将会产生巨大的社会和经济效益。K近邻分类器是一种经典的分类器，是人脸识别系统的重要组成部分，其在分类样本的计算方面得到了广泛的应用。由于K近邻分类器需要计算待分类样本到全体已知样本的距离，才能求出待分类样本的K个最近邻点，计算量特别大，因此，人们提出了一种基于K近邻分类准则的特征变换算法—本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：根据投影变换矩阵，将待测样本映射到判别子空间中，所述判别子空间为具有低维训练样本的低维空间，所述投影变换矩阵是根据原空间训练样本的类内邻接矩阵、类间邻接矩阵及其关系函数得到的；根据K近邻分类原则，从所述判别子空间中找出与映射后的待测样本距离最近的低维训练样本，并根据所述低维训练样本的类别，确定所述待测样本的类别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
根据投影变换矩阵，将待测样本映射到判别子空间中，所述判别子空间
为具有低维训练样本的低维空间，所述投影变换矩阵是根据原空间训练样本
的类内邻接矩阵、类间邻接矩阵及其关系函数得到的；
根据K近邻分类原则，从所述判别子空间中找出与映射后的待测样本距
离最近的低维训练样本，并根据所述低维训练样本的类别，确定所述待测样
本的类别。
2.根据权利要求1所述的方法，其特征在于，所述判别子空间中的低维
训练样本的形成过程为：
构造原空间训练样本的类内邻接矩阵和类间邻接矩阵；
建立所述类内邻接矩阵和类间邻接矩阵的关系函数，并根据所述关系函
数得到判别子空间的最佳目标维数以及投影变换矩阵；
根据所述投影变换矩阵，将所述原空间训练样本映射到判别子空间中，
即从高维空间映射到低维空间，映射后的训练样本即为低维训练样本。
3.根据权利要求2所述的方法，其特征在于，所述类内邻接矩阵和类间
邻接矩阵是根据原空间训练样本的距离和标签类别构造的。
4.根据权利要求1或3所述的方法，其特征在于，所述类内邻接矩阵和
类间邻接矩阵分别为Fw和Fb，
其中，和分别表示样本xi和xj的同类近邻集合，且xi与xj类
别相同；和分别表示样本xi和xj的异类近邻集合，且xi与xj类别
不相同。
5.根据权利要求4所述的方法，其特征在于，所述类内邻接矩阵和类间
邻接矩阵的关...

【专利技术属性】
技术研发人员：张莉，丁春涛，严晨，王邦军，何书萍，李凡长，杨季文，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32