【技术实现步骤摘要】
一种基于半监督线性回归的人脸识别方法
本专利技术涉及一种图像识别方法，特别是一种基于半监督线性回归的人脸识别方法，属于图像识别
技术介绍
人脸识别是身份鉴别的一种重要方法，在档案管理系统、安全验证系统、信用卡验证、公安系统的罪犯身份识别、银行和海关的监控、人机交互等领域有着广泛的应用前景。现有的人脸识别方法有很多，其中基于特征提取的方法与基于表示学习特征分类器的方法是使用较广泛的两类方法。典型的基于特征提取的方法有：(1)特征脸(eigenfaces)，即基于主成分分析(PCA)的人脸识别方法，记载于M.Turk与A.Pentland于1991年在JournalofCognitiveNeuroscience第3卷第1期71-86页发表的《Eigenfacesforrecognition》中，该方法旨在寻找一个投影方向，使得人脸样本投影后总体散度最大，(2)费舍尔脸(fisherface)，即基于线性鉴别分析(LDA)的人脸识别方法，记载于P.N.Belhumeur,J.P.Hespanha,D.J.Krie...
【技术保护点】
1.一种基于半监督线性回归的人脸识别方法，其特征在于，包括如下步骤：/n步骤1、获取人脸图像训练样本集；所述训练样本集包括已标记类别训练样本集与未标记类别训练样本集，其中已标记类别训练样本集包含C个不同的类，对全体训练样本集中每个训练样本和待识别样本进行归一化处理，并利用PCA方法降低数据维数；/n步骤2、将任一未标记类别训练样本用全体训练样本协同表示，通过求解L2范数最优化问题获取表示系数；/n步骤3、计算未标记训练样本与已标记的每类训练样本的重构误差，将其分配到具有最小重构误差的已有类中；/n步骤4、将待识别样本表示成某类已标记训练样本的线性组合，计算待识别样本与此类已...
【技术特征摘要】
1.一种基于半监督线性回归的人脸识别方法，其特征在于，包括如下步骤：
步骤1、获取人脸图像训练样本集；所述训练样本集包括已标记类别训练样本集与未标记类别训练样本集，其中已标记类别训练样本集包含C个不同的类，对全体训练样本集中每个训练样本和待识别样本进行归一化处理，并利用PCA方法降低数据维数；
步骤2、将任一未标记类别训练样本用全体训练样本协同表示，通过求解L2范数最优化问题获取表示系数；
步骤3、计算未标记训练样本与已标记的每类训练样本的重构误差，将其分配到具有最小重构误差的已有类中；
步骤4、将待识别样本表示成某类已标记训练样本的线性组合，计算待识别样本与此类已标记训练样本的重构误差；
步骤5、将待识别样本表示成某类已分配好的训练样本的线性组合，计算待识别样本与此类已分配好的训练样本的重构误差；
步骤6、结合步骤4与步骤5中的两种重构误差，判断待识别样本的类标。
2.根据权利要求1所述的人脸识别方法，其特征在于：步骤1所述获取人脸图像训练样本集，具体包括步骤：
步骤101、将每幅人脸图像进行矩阵向量化操作，得到第i幅人脸图像样本为xi∈RD，其中D＝w×h，w为图像的宽度，h为图像的高度；
步骤102、将总训练样本集表示为X＝[x1,x2,…,xN]＝[Xl,Xu]，其中为已标记类别训练样本集，假设已标记类别训练样本来自于C个图像类,为未标记类别训练样本集，则总训练样本数N＝m+n，m和n分别代表已标记、未标记类别的训练样本集中的样本个数；
步骤103、对于X中任一训练样本xi，进行模为1的归一化操作：
xi＝xi/||xi||2,i＝1,2,...,N
将待识别样本表示为y，对于待识别样本y，也进行归一化操作：
y＝y/||y||2；
步骤104、利用PCA方法对归一化后的样本进行预处理以降低数据维数。
3.根据权利要求2所述的人脸识别方法，其特征在于：步骤104所述利用PCA方法对归一化后的样本进行预处理以降低数据维数，用X＝[Xl,Xu]和y代表PCA预处理后的训练样本集和待识别样本，则计算步骤为：
(1).令Z＝[x1-m,x2-m,…,xN-m]，计算前d个非零特征值对应的特征向量，令λ1>λ2…>λd为前d个非零最大特征值，v1,v2,…,vd为相应的特征向量；
(2).将PCA投影向量表示为：
(3).令APCA＝[a1,a2,…,ad]，则可得PCA预处理后的数据为：
xi＝APCAT...
【专利技术属性】
技术研发人员：黄璞，王文博，杨章静，陈镭，杨国为，
申请(专利权)人：南京审计大学，
类型：发明
国别省市：江苏;32
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。