基于rgb彩色特征雙重流形鑒別分析的彩色人臉識別方法
【專利摘要】本發(fā)明公開了基于RGB彩色特征雙重流形鑒別分析的彩色人臉識別方法，屬于圖像識別的【技術(shù)領(lǐng)域】，假設(shè)每一類的所有彩色分量樣本構(gòu)成一個(gè)非線性的流形，使用基于歐式距離的分層K-means算法在每個(gè)流形上劃分局部線性模型；構(gòu)造內(nèi)部圖和懲罰圖，定義內(nèi)部圖和懲罰圖的相似性矩陣；定義目標(biāo)函數(shù)并求解，得到投影后的訓(xùn)練樣本特征集和投影后的測試樣本特征；計(jì)算測試樣本特征到訓(xùn)練樣本特征的歐式距離后將其歸到距離最小的那個(gè)訓(xùn)練樣本所在的類。本發(fā)明將流形鑒別分析技術(shù)同時(shí)應(yīng)用到R、G、B三個(gè)彩色分量內(nèi)部和三個(gè)彩色分量之間，在各個(gè)彩色分量內(nèi)部和不同彩色分量之間實(shí)現(xiàn)特征層雙重流形鑒別分析,增強(qiáng)了鑒別特征的分類能力。
【專利說明】基于RGB彩色特征雙重流形鑒別分析的彩色人臉識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明公開了基于RGB彩色特征雙重流形鑒別分析的彩色人臉識別方法，屬于圖像識別的【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]現(xiàn)有的彩色人臉識別方法有:整體正交分析(HOA，Holistic OrthogonalAnalysis)、統(tǒng)計(jì)正交分析(SOA, Statistically Orthogonal Analysis)。整體正交分析將R、G、B三組彩色分量特征內(nèi)部的鑒別分析和三組彩色分量特征之間的正交去相關(guān)結(jié)合在一起，按照RGB的順序串行依次對每一個(gè)彩色分量計(jì)算一個(gè)投影變換。統(tǒng)計(jì)正交分析將R、G、B三組彩色分量特征內(nèi)部的鑒別分析和三組彩色分量特征之間的統(tǒng)計(jì)正交去相關(guān)結(jié)合在一起，按照RGB的順序串行依次對每一個(gè)彩色分量計(jì)算一個(gè)投影變換。
[0003]HOA和SOA方法雖然實(shí)現(xiàn)了 R、G、B三個(gè)彩色分量內(nèi)部的鑒別分析，這對于分類識別是有利的；但它們在處理三個(gè)彩色分量之間的相關(guān)性時(shí)，只是簡單地通過正交或統(tǒng)計(jì)正交來去除三個(gè)彩色分量之間的相關(guān)性，沒有從識別或鑒別的角度來處理這種相關(guān)性，從而使得獲取的鑒別信息相對較少，識別效果難以保證。
[0004]其次，無論是對三個(gè)彩色分量內(nèi)部進(jìn)行鑒別分析還是處理三個(gè)彩色分量之間相關(guān)性的時(shí)候，HOA和SOA方法都沒有考慮圖像樣本本身所固有的局部流形結(jié)構(gòu)。根據(jù)流形學(xué)習(xí)理論，局部流形結(jié)構(gòu)比全局歐式結(jié)構(gòu)更重要。
[0005]最后，SOA在統(tǒng)計(jì)正交約束中使用了相關(guān)性度量，而在三個(gè)彩色分量內(nèi)部的鑒別分析中使用的是歐式距離度量。不同的度量方式影響識別效果的方式是不同的，這種度量方式的不一致也使得難以保證識別效果。

【發(fā)明內(nèi)容】

[0006]為解決上述問題，本發(fā)明公開了基于RGB彩色特征雙重流形鑒別分析的人臉識別方法。
[0007]本發(fā)明為實(shí)現(xiàn)上述發(fā)明目的采用如下技術(shù)方案:
[0008]基于RGB彩色特征雙重流形鑒別分析的人臉識別方法，利用包含R、G、B三個(gè)彩色分量訓(xùn)練樣本集XK、Xe、XB的C類彩色圖像訓(xùn)練樣本進(jìn)行訓(xùn)練，C為自然數(shù)，將待識別人臉圖像劃分到所屬彩色圖像訓(xùn)練樣本類別，包括如下步驟。
[0009]步驟1，假設(shè)每一類彩色圖像訓(xùn)練樣本的所有彩色分量樣本構(gòu)成一個(gè)非線性的流形，使用基于歐式距離的分層K-means算法將每一個(gè)非線性流形劃分為若干個(gè)局部線性模型，具體方法如下:
[0010]步驟1-1，劃分第I層的局部線性模型:在所述每一個(gè)非線性流形上，計(jì)算每一個(gè)彩色分量的所有訓(xùn)練樣本的均值作為第I層局部線性模型的初始中心樣本，計(jì)算各個(gè)彩色分量訓(xùn)練樣本與初始中心樣本的歐氏距離，將各個(gè)彩色分量訓(xùn)練樣本劃分到歐氏距離最小的中心樣本所在的第I層局部線性模型上；[0011]步驟1-2，計(jì)算第L層局部線性模型上任意兩個(gè)彩色分量訓(xùn)練樣本之間的測地距離和歐氏距離，將測地距離與歐氏距離比值的平均值大于閾值δ ( δ是一個(gè)可根據(jù)實(shí)驗(yàn)結(jié)果進(jìn)行調(diào)整的參數(shù))的局部線性模型作為第L層需要繼續(xù)劃分的局部線性模型，以集合#記第L層需要繼續(xù)劃分的所有局部線性模型，按照步驟1-3的方法對集合M1里每一個(gè)元素繼續(xù)劃分，L的起始值為2 ；
[0012]步驟1-3，在第L層需要繼續(xù)劃分的局部線性模型中，以歐氏距離最遠(yuǎn)的兩個(gè)彩色分量訓(xùn)練樣本作為第L+1層局部線性模型的初始中心樣本，計(jì)算各個(gè)彩色分量訓(xùn)練樣本與中心樣本的歐氏距離，將各個(gè)彩色分量訓(xùn)練樣本劃分到距離最小的中心樣本所在的第L+1層局部線性模型上；L值加1，返回步驟1-2。
[0013]步驟2，利用擴(kuò)展流形鑒別分析方法得到目標(biāo)函數(shù)，求解目標(biāo)函數(shù)得到投影后的訓(xùn)練樣本特征集以及投影后的待識別樣本特征:
[0014]根據(jù)流形和流形上的局部線性模型劃分，定義內(nèi)部圖G如下:如果兩個(gè)彩色分量樣本屬于同一個(gè)局部線性模型，這兩個(gè)彩色分量樣本點(diǎn)之間有一條實(shí)邊；如果兩個(gè)彩色分量樣本位于同一個(gè)流形上，但不屬于同一個(gè)局部線性模型，這兩個(gè)彩色分量樣本點(diǎn)之間有一條虛邊，定義懲罰圖G’如下:如果兩個(gè)彩色分量樣本分別屬于不同流形但鄰近的兩個(gè)局部線性模型，這兩個(gè)彩色分量樣本點(diǎn)之間有一條虛邊，這里的鄰近指的是這兩個(gè)樣本點(diǎn)至少有一個(gè)是另一個(gè)的K近鄰，K等于這兩個(gè)彩色分量樣本點(diǎn)所在的兩個(gè)局部線性模型上的樣本數(shù)之和，
[0015]根據(jù)內(nèi)部圖和懲罰圖的結(jié)構(gòu)，定義內(nèi)部圖的相似性矩陣W e R3nx3n:
[0016]
【權(quán)利要求】
1.基于RGB彩色特征雙重流形鑒別分析的彩色人臉識別方法，利用包含三個(gè)彩色分量訓(xùn)練樣本集的c類彩色圖像訓(xùn)練樣本進(jìn)行訓(xùn)練，將待識別人臉圖像劃分到所屬彩色圖像訓(xùn)練樣本類別，c為自然數(shù)，其特征在于包括如下步驟: 步驟1，使用基于歐式距離的分層K-means算法將每一類彩色圖像訓(xùn)練樣本的所有彩色分量構(gòu)成的非線性流形劃分為若干個(gè)局部線性模型； 步驟2，利用擴(kuò)展流形鑒別分析方法得到目標(biāo)函數(shù)，求解目標(biāo)函數(shù)得到投影后的訓(xùn)練樣本特征集以及投影后的待識別樣本特征； 步驟3，計(jì)算投影后的待識別樣本特征到投影后的每一個(gè)訓(xùn)練樣本特征的歐氏距離，將待識別樣本歸到歐氏距離最小的訓(xùn)練樣本所在類。
2.根據(jù)權(quán)利要求1所述的彩色人臉識別方法，其特征在于步驟I按如下方法劃分局部線性模型: 步驟1-1，劃分第I層的局部線性模型:在所述每一個(gè)非線性流形上，計(jì)算每一個(gè)彩色分量的所有訓(xùn)練樣本的均值作為第I層局部線性模型的初始中心樣本，計(jì)算各個(gè)彩色分量訓(xùn)練樣本與初始中心樣本的歐氏距離，將各個(gè)彩色分量訓(xùn)練樣本劃分到歐氏距離最小的中心樣本所在的第I層局部線性模型上； 步驟1-2，計(jì)算第L層局部線性模型上任意兩個(gè)彩色分量訓(xùn)練樣本之間的測地距離和歐氏距離，將測地距離與歐氏距離比值的平均值大于閾值的局部線性模型作為第L層需要繼續(xù)劃分的局部線性模型，進(jìn)入步驟1-3，L的起始值為2 ； 步驟1-3，在第L層需要繼續(xù)劃分的局部線性模型中，以歐氏距離最遠(yuǎn)的兩個(gè)彩色分量訓(xùn)練樣本作為第L+1層局部線性模型的初始中心樣本，計(jì)算各個(gè)彩色分量訓(xùn)練樣本與中心樣本的歐氏距離，將各個(gè)彩色分量訓(xùn)練樣本劃分到距離最小的中心樣本所在的第L+1層局部線性模型上，L值加1，返回步驟1-2。
3.根據(jù)權(quán)利要求1或2所述的彩色人臉識別方法，其特征在于步驟2由目標(biāo)函數(shù):
【文檔編號】G06K9/00GK103761511SQ201410021022
【公開日】2014年4月30日 申請日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】劉茜 申請人:南京信息工程大學(xué)