The invention discloses a learning model analytical dictionary based on topology preservation method of face recognition, including: firstly, the training set and test set of sample pretreatment, the training set and test set samples for each image mapping, random face features a corresponding column vector; the optimized Analytical Dictionary. Study: encoding coefficient obtained in the training set and the test sample: the test sample encoding coefficient, encoding coefficient of training set and the corresponding class labels information input classifier to get the final classification result. The invention carries out beneficial innovation aiming at the classification model of the latter two links, especially the third links. The invention provides a learning model analytical dictionary based on topology preservation method of face recognition, the structure information and decision information of facial features in a unified analytical dictionary learning under the framework of learning, making the recognition accuracy and speed are significantly improved.
【技术实现步骤摘要】
基于拓扑保持的解析型字典学习模型的人脸识别方法
本专利技术涉及计算机视觉、模式识别、生物特征识别等
,特别涉及一种基于拓扑保持的解析型字典学习模型的人脸识别方法(TopologyPreservingAnalysisDictionaryLearning,简称TP-ADL)。
技术介绍
生物特征识别技术是使用人体的某些生物特性来对个体的身份进行识别的先进技术。因为每个人的生物特征都是不同的,而且不会轻易改变,满足个体识别的条件。这种技术通常采用的方法是先对个体采取某个或某些生物特征,然后将其与已有数据库中的样本进行比较,判断是否符合。与传统的以证件、密码等为对象的识别技术相比,以人脸识别为代表的生物特征识别技术可以做到不与识别人发生任何肢体接触,可以不惊动对象,只需要采用一般的摄像头就可以采集,成本很低,因此人脸识别技术成为众多学者们重点研究的对象之一。人脸识别的研究始于20世纪60年代,并且随着计算机硬件和网络的发展,在几十年中取得了长足的进步。人脸识别技术正在视频监控、证件验证、刑侦破案等社会生活的诸多方面发挥着巨大作用。常规的人脸识别技术主要包含2个主要过程,即训练过程和测试过程。训练过程有3个处理环节,分别是训练图像预处理、训练图像特征的提取、分类模型的建立。测试过程有3个处理环节,分别是测试图像预处理、测试图像特征的提取、使用训练阶段得到的分类模型对测试图像进行分类预测。如果要改进人脸识别技术,提升识别准确度,可以对人脸图像预处理的方法进行改进,也可以对提取人脸图像特征的方法进行创新,还可以选择适合人脸图像特征的分类模型和分类算法。如何增加各环 ...
【技术保护点】
一种基于拓扑保持的解析型字典学习模型的人脸识别方法,其特征在于,该方法包括:步骤S1,为了方便操作,首先对训练集和测试集样本进行预处理,中心裁剪得到w×h的像素部分,然后用随机矩阵
【技术特征摘要】
1.一种基于拓扑保持的解析型字典学习模型的人脸识别方法,其特征在于,该方法包括:步骤S1,为了方便操作,首先对训练集和测试集样本进行预处理,中心裁剪得到w×h的像素部分,然后用随机矩阵对训练集和测试集样本进行映射,每张图像都得到一个对应的随机脸特征列向量;步骤S2,优化学习得到解析型字典Ω:按照提出的拓扑保持的解析型字典学习模型对训练集数据建模,通过两步交替迭代的优化方式最小化目标函数,学习解析型字典Ω和编码系数X;步骤S3,获得训练集和测试样本的编码系数:用训练好的解析型字典Ω根据x=Ωy对训练集和测试样本同时进行编码;步骤S4,将测试样本的编码系数、训练集的编码系数及其对应的类别标签信息一起输入分类器,得到最终分类结果。2.根据权利要求1所述的基于拓扑保持的解析型字典学习模型的人脸识别方法,其特征在于,在步骤S1中,对训练集和测试集样本进行相同的中心裁剪,将获得的图像拉伸成列向量,然后用随机矩阵对训练集和测试集样本的列向量进行映射,其中:随机矩阵每个元素都是先独立取样于零均值的正态分布,再将其每行都标准化到单位长度。3.根据权利要求1所述的基于拓扑保持的解析型字典学习模型的人脸识别方法,其特征在于,在步骤S2中,求解模型为:s.t.||X||0≤T0,||ωi||2=1,i=1,2,L,r上述目标函数中:α,β为人工设置的权重参数,用于调节各项之间的相对大小关系;其中,第一部分是基本的解析型字典学习模型:s.t.||X||0≤T0,||ωi||2=1,i=1,2,L,r(2)其中,代表稀疏重构误差,ωi是解析型字典Ω的第i行。其中,第二部分Tr(ΩYLYTΩT)是拓扑保持项,拓扑保持需要保持的是影响k近邻(kNN)分类性能的原始特征的相对远近程度(近邻排序),原始空间任意两个特征向量yu和yv的距离设为suv,编码空间对应的距离设为tuv,拓扑保持目标函数为:其中:矩阵Si为反对称矩阵,其位置(u,v)的元素值是原始空间两个距离的差siu-siv,利用反对称矩阵的性质,对公式(3)进行化简,可得:可令Wij∑uSi(u,j),则公式(4)可继续化简为:
【专利技术属性】
技术研发人员:赫然,谭铁牛,孙哲南,郭君,曹冬,
申请(专利权)人:天津中科智能识别产业技术研究院有限公司,
类型:发明
国别省市:天津,12
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。