一种基于拉普拉斯峰值聚类的人脸识别方法技术

一种基于拉普拉斯峰值聚类的人脸识别方法，根据现有的人脸图像数据集，使用CWSSIM算法计算任意两张人脸图像的相似度作为图像之间的距离，将人脸图像数据集合转换为一个完全加权网络，连边的权值为图像节点之间的距离；计算网络的度矩阵、拉普拉斯矩阵和拉普拉斯能量值，进而计算网络节点的拉普拉斯中心性和最短距离，根据节点的拉普拉斯中心性和最短距离的乘积获得节点的决策指标，选取决策指标大于预设阈值的节点为聚类中心，将其余节点归属到距离最近的聚类中心所代表的类别，完成节点的分类和人脸图像的识别。本发明专利技术基于拉普拉斯中心性提取中心图像，再通过聚类对人脸图像进行识别，提高了人脸识别的速度和准确度。

【技术实现步骤摘要】
一种基于拉普拉斯峰值聚类的人脸识别方法
本专利技术涉及图像识别领域，是一种基于拉普拉斯峰值聚类的人脸识别方法。
技术介绍
机器学习的飞速发展推动了社会信息化、网络化发展，其中大量机器学习和深度学习的算法应用到传统行业的方方面面，推动了传统行业智能化的发展进程，图像识别领域由于深度学习的推动发展迅速，社会上出现了大量人脸识别的应用，如小区门禁使用人脸识别，旅游景点使用人脸识别，网上支付使用人脸识别。聚类算法在机器学习领域也十分活跃，聚类算法可以提取数据的内在特征，将具有相似属性的数据点聚到一个类别，同一类别内的数据点距离相近，特征相似，但是不同类别的数据点相似度低。聚类算法在人脸识别领域的应用要求一个人的各种人像图片(正脸、侧脸等)都会被正确的标记上用户的标签。人脸识别的应用可以增加社会运行效率，比如在旅游景区入园采取人脸识别，可以加快游客入园的效率；小区门禁采取人脸识别可以使得住户更加安全；网上支付采取人脸识别使得用户省去了输入密码的繁琐操作，支付更便捷安全。人脸识别产品已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、本文档来自技高网...

【技术保护点】
1.一种基于拉普拉斯峰值聚类的人脸识别方法，其特征在于：包括如下步骤：/n步骤一：根据现有的总数为N的人脸图像集合，使用CWSSIM算法计算任意两幅人脸图像i和j之间的相似度d

【技术特征摘要】
1.一种基于拉普拉斯峰值聚类的人脸识别方法，其特征在于：包括如下步骤：
步骤一：根据现有的总数为N的人脸图像集合，使用CWSSIM算法计算任意两幅人脸图像i和j之间的相似度dij；
步骤二：把总数为N的人脸图像集合转化为一个加权无向的全连接网络G(V,E)，V是节点，E是连边，其中每个节点表示一张人脸图像，节点之间连边的权值为相应人脸图像之间的距离，网络的权值矩阵为
步骤三：构建度矩阵A(G)



其中



表示第i个人脸图像节点和其他所有节点的连边权值之和；
步骤四：计算网络G的拉普拉斯矩阵L(G)＝A(G)-D(G)；
步骤五：...

【专利技术属性】
技术研发人员：杨旭华，王磊，肖杰，周艳波，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33