基于子图像和随机采样的模糊2D-LDA人脸识别方法技术

由于人脸识别技术目前的应用领域很广，背后的人脸识别算法以及相关系统的不断发展也为该技术的应用提供了强有力的支持，但是在落地过程中仍然面临着许多挑战，例如样本图像存在着光线不均匀，遮挡，模糊，不匹配等问题。这些问题极有可能导致图像类内的差异大于类间的差异，从而影响识别结果。为了进一步缓解上述问题，本发明专利技术提出了基于子图像和随机采样的模糊2D‑LDA人脸识别方法，可以有效提取更多的局部特征，从而缓解一些容易引起局部变化的环境变化带来的影响。此外，采用对行向量的随机采样方法可以保留部分原始图像的空间结构信息，并且增加样本和特征的多样性，从而提升其识别性能。

Fuzzy 2d-lda face recognition method based on sub image and random sampling

【技术实现步骤摘要】
基于子图像和随机采样的模糊2D-LDA人脸识别方法
本专利技术属于生物特征识别领域的一种方法，具体为“基于子图像和随机采样的模糊2D-LDA人脸识别方法”，主要应用模式识别和机器学习领域技术实现人脸识别。
技术介绍
生物特征识别已经在我们的工作和生活中普及，与普通的密码卡，智能卡和银行卡相比，不存在被盗用与复制的危险。而人脸识别因为不具侵犯性，符合人们生活中自身识别的习惯，是一种非常人性化的技术，因而在生物识别中占据非常重要的位置。近年来，人脸识别技术在考勤，门禁，社区安防，海陆空关口通行，军事安全，银行金融系统，逮捕嫌疑犯和反恐等方面开始应用。其背后的人脸识别算法以及相关系统的不断发展为该技术的应用提供了强有力的支持。虽然目前已经有许多人脸分析任务取得了较大的成就，但是在落地过程中仍然面临许多挑战，例如图像存在着光线不均匀，遮挡，模糊，不匹配不对齐等问题。这些问题极有可能导致图像类内的差异大于类间的差异，从而影响识别结果。一般情况下，人脸识别技术步骤包括人脸的检测与定位，图像的预处理，面部特征提取和人脸识别等。其中特征提取作为本文档来自技高网...

【技术保护点】
1.一种基于子图像和随机采样的模糊2D-LDA人脸识别方法，其特征在于，包括以下步骤：/n第一步，首先对原始训练样本进行一些预处理工作，即采用局部区域方法对训练样本进行子图像划分。对每张训练图像以非重叠的方式划分为L个大小相同的矩形子图像块，然后将每张图像相同位置的子图像块组合为一个子图像训练集，最终可以得到L不同的子图像训练集。/n第二步，对每个子图像训练集进行行向量随机采样。采用对行向量的随机采样相比于对训练样本或者子图像训练集的特征进行随机采样，可以尽可能地保留图像的空间信息。对于每个子图像训练集均进行t次的行向量随机采样，最终可以得到L×t个经过随机采样后的子图像训练集。/n第三步，使...

【技术特征摘要】
1.一种基于子图像和随机采样的模糊2D-LDA人脸识别方法，其特征在于，包括以下步骤：
第一步，首先对原始训练样本进行一些预处理工作，即采用局部区域方法对训练样本进行子图像划分。对每张训练图像以非重叠的方式划分为L个大小相同的矩形子图像块，然后将每张图像相同位置的子图像块组合为一个子图像训练集，最终可以得到L不同的子图像训练集。
第二步，对每个子图像训练集进行行向量随机采样。采用对行向量的随机采样相比于对训练样本或者子图像训练集的特征进行随机采样，可以尽可能地保留图像的空间信息。对于每个子图像训练集均进行t次的行向量随机采样，最终可以得到L×t个经过随机采样后的子图像训练集。
第三步，使用模糊2D-LDA算法对采样后的子图像训练集进行特征提取。2D-LDA算法直接使用原始图像矩阵来计算类内散度矩阵和类间散度矩阵，可以有效克服LDA算法中可能存在的小样本问题以及计算复杂度较大，破坏原始图像的空间结构等问题。此外，在类内和类间散度矩阵中加入成员隶属度得到的模糊2D-LDA算法可以充分利用近邻样本中的类信息。与LDA类似，使用准则函数最大化类间与类内散度矩阵的比值，可以得到最终的投影向量。
第四步，特征提取之后，我们可以对测试图像进行分类。首先，我们为L×t个采样后的子图像训练集分别构造一个最近邻分类器，即L×t个分类器。对于一个...

【专利技术属性】
技术研发人员：朱玉莲，张幸蕊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32