[发明专利]基于分类器集成的人脸识别系统及其方法

权利要求书

1、一种基于分类器集成的人脸识别系统，包括：

原始人脸图像特征提取模块，用于对输入到计算机中的原始人脸图像进行特征提取，获取c个有标识的原始训练样本集；

待分类人脸图像特征提取模块，用于对输入到计算机中的待分类人脸图像进行特征提取，获取n维实数空间中的待分类样本x；

训练模块，用于选择有后验概率输出的N个子分类器，并根据原始训练样本集对其进行训练，该原始训练样本集的表达式为：{(x_i，y_i)|x_i∈Rⁿ，y_i∈{1，2，…，c}，i＝1，…，l}，其中：x_i表示n维实数空间中的第i个样本，y_i是其标识，在1到c之间的正整数中取值，如果y_i＝k，则表示x_i∈ω_k类，ω_k表示第k个类别，l为样本的个数；通过训练获得关于原始训练样本集的后验概率P_j(ω_k|x_i)，该式表示第j个子分类器关于x_i样本属于ω_k类的后验概率，其中j＝1，…，N，k＝1，…，c，i＝1，…，l；

子分类器加权系数计算模块，用于根据后验概率P_j(ω_k|x_i)，通过线性规划求解各个子分类器的加权系数α_j，并输出到集成模块，该加权系数的求解公式为：

minα,ξΣj=1Nαj+CΣq=1l(c-1)ξq]]>

subjectto[Σj=1Nαj(Pj(ωm|xi)-Pj(ωk|xi))]1(xi∈ωm)≥-ξq]]>

ξ_q≥0，α_j≥0，i＝1，…，l，j＝1，…，N，k≠m，k＝1，…，c，

q＝1，2，…，l(c-1)

式中，C是折中系数，ξ_q是松弛变量和α_j是第j个分类器的加权系数，是容量控制项，是经验风险项；

子分类器分类模块，用于将待分类样本输入到训练过程中训练好的N个子分类器中，获得待分类样本的后验概率P_j(ω_k|x)；

集成模块，用于根据训练过程得到的权系数α_j和待分类的后验概率P_j(ω_k|x)设计分类规则，并根据该分类规则得到分类结果，该分类规则是：

如果Σj=1NαjPj(ωm|x)=maxk=1,2,···,cΣj=1NαjPj(ωk|x),]]>则x∈ω_m类，m∈{1，2，…，c}代表不同的类别，其分类结果可用类别标识y＝m表示；

分类结果输出模块，用于将待分类样本的分类结果以类别标识的形式输出，并在计算机显示屏上显示。

2、一种基于分类器集成的人脸识别方法，包括：

(1)人脸识别训练过程：

提取输入到计算机中的原始人脸图像特征，获取c个有标识原始训练样本集：{(x_i，y_i)|x_i∈Rⁿ，y_i∈{1，2，…，c}，i＝1，…，l}，其中：x_i表示n维实数空间中的第i个样本，y_i是其标识，在1到c之间的正整数中取值，如果y_i＝k，则表示x_i∈ω_k类，ω_k表示第k个类别，l为样本的个数；

选择有后验概率输出的N个子分类器，并根据原始训练样本集对其进行训练，获得关于原始训练样本集的后验概率P_j(ω_k|x_i)，该式表示第j个子分类器关于x_i样本属于ω_k类的后验概率，其中j＝1，…，N，k＝1，…，c，i＝1，…，l；

根据后验概率P_j(ω_k|x_i)，通过线性规划求解各个子分类器的加权系数α_j，其求解公式为：

minα,ξΣj=1Nαj+CΣq=1l(c-1)ξq]]>

subjectto[Σj=1Nαj(Pj(ωm|xi)-Pj(ωk|xi))]1(xi∈ωm)≥-ξq]]>

ξ_q≥0，α_j≥0，i＝1，…，l，j＝1，…，N，k≠m，k＝1，…，c，

q＝1，2，…，l(c-1)

式中，j＝1，…，N；C是折中系数，ξ_q是松弛变量，是容量控制项，是经验风险项；

将各个子分类器的加权系数α_j输出到分类系统；

(2)人脸识别分类过程：

提取输入到计算机中的待分类人脸图像特征，获取待分类样本x∈Rⁿ；

将待分类样本输入到训练过程中训练好的N个子分类器中，获得待分类样本的后验概率P_j(ω_k|x)，j＝1，…，N，k＝1，…，c；

根据训练过程得到的权系数α_j和待分类样本的后验概率P_j(ω_k|x)设计分类规则为：

如果Σj=1NαjPj(ωm|x)=maxk=1,2,···,cΣj=1NαjPj(ωk|x),]]>则x∈ω_m类，m∈{1，2，…，c}代表不同的类别，其类别标识为y＝m；

将待分类样本的分类结果以类别标识的形式输出，并在计算机显示屏上显示。