專利名稱：基于Lp范數(shù)的樣本對加權(quán)的人臉特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模式識別中的特征提取方法，特別是一種基于Lp范數(shù)的樣本對加權(quán)的人臉特征提取方法。
背景技術(shù)：
人臉圖像信息量過大且樣本維數(shù)過高，人臉識別需要大量的存儲和計算代價，導(dǎo)致“維數(shù)災(zāi)難”。因此在人臉識別之前需要對人臉圖像進行處理，特征提取能夠有效處理高維數(shù)據(jù)，采用線性或非線性的變換提取出最能代表該樣本的少量特征。較高的維數(shù)通常包含冗余特征，降維同時需要盡可能保證數(shù)據(jù)的完整性和內(nèi)在的結(jié)構(gòu)性。PCA(Principal Component Analysis)主成分分析是一種傳統(tǒng)的降維方法，它可以將高維數(shù)據(jù)投影到較低維空間，使投影后的數(shù)據(jù)有最大斜方差。但是，傳統(tǒng)的PCA方法在目標(biāo)函數(shù)中使用了 L2范數(shù)，因此它對異常值或離群點非常敏感。為了解決這個問題，近年來研究人員提出了 Lp范數(shù)約束的最大化LI范數(shù)主成分分析方法(Lp-PCA-Ll)，降低了對異常值的敏感性，但是它容易受到樣本均值影響，無法突出樣本中的關(guān)鍵特征所起的作用，很難適應(yīng)具有復(fù)雜特征的數(shù)據(jù)，影響識別效果。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)存在的不足，本發(fā)明提出一種基于Lp范數(shù)的樣本對加權(quán)的人臉特征提取方法，能有效避免樣本均值影響，且對不同的樣本對賦給不同的權(quán)重，突出對識別起關(guān)鍵作用的特征。本發(fā)明的目的是這樣實現(xiàn)的:基于Lp范數(shù)約束的樣本對加權(quán)特征提取算法，與PCA方法相比，該方法對目標(biāo)函數(shù)采用LI范數(shù)，降低對異常值的敏感性，通過參數(shù)/7的選擇，控制投影向量的稀疏性；與Lp-PCA-Ll方法相比，該方法能有效避免樣本均值影響，且對不同的樣本對賦給不同的權(quán)重，突出對識別起關(guān)鍵作用的特征；
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
步驟I)將/ 幅大小為MxJWr的人臉圖像用列向量形式表示為工4，
其中曷的維數(shù)為:這些列向量形成樣本矩陣
權(quán)利要求
1.一種基于Lp范數(shù)的樣本對加權(quán)的人臉特征提取方法，其特征在于:按照以下步驟進行:步驟I)將/ 幅大小為的人臉圖像 工用列向量形式表示為工4，其中X的維數(shù)為:這些列向量形成樣本矩陣
全文摘要
一種基于Lp范數(shù)的樣本對加權(quán)的人臉特征提取方法，屬于模式識別中的特征提取方法。1)將n幅大小為的人臉圖像用列向量形式表示為，其中的維數(shù)為d，這些列向量形成樣本矩陣；2)對同類的人臉樣本對和不同類的人臉樣本對分別采用不同函數(shù)作為加權(quán)函數(shù)；3)建立具有Lp范數(shù)的約束的樣本對加權(quán)的優(yōu)化模型，利用迭代優(yōu)化算法得出局部最優(yōu)的單位投影向量w；4)使用貪婪算法，將人臉圖像的特征從最初的d維降到m維，實現(xiàn)維數(shù)約簡和有效特征的提取。該方法可以靈活的對不同類型數(shù)據(jù)集進行特征提取，降低對異常值的敏感性，更能適應(yīng)人臉圖像的復(fù)雜性；對樣本對進行加權(quán)，避免樣本均值影響，提取的特征更加有效。在遮擋的情況下相比PCA和Lp-PCA-L1性能提高2~5%。
文檔編號G06K9/46GK103150570SQ20131007430
公開日2013年6月12日 申請日期2013年3月8日 優(yōu)先權(quán)日2013年3月8日
發(fā)明者梁志貞, 劉寧 申請人:中國礦業(yè)大學(xué)