[发明专利]基于非线性张量分解与视角流形的多视角人脸识别方法

权利要求书

1.一种基于非线性张量分解与视角流形的多视角人脸识别方法，包括如下过程：

A.对多视角人脸图像进行归一化；

B.对归一化后的人脸图像，采用留一法划分多视角人脸图像数据集，选取一组视角下的人脸图像作为测试样本集，其它视角下的人脸图像作为训练样本集；

C.将训练集中的人脸图像沿身份、视角和像素信息变化的方向排列成张量Y，并用高阶奇异值分解算法对其进行分解，得到身份系数矩阵U_idenity、视角系数矩阵U_view，本征图像矩阵U_pixel和核张量Z，该三个矩阵U_idenity、U_view和 U_pixel之间相互独立，Z表示这三个矩阵之间的相互作用关系；

D.利用数据-概念驱动的方式对视角系数矩阵U_view中的视角系数进行排列和插值，获得人脸视角流形V；

E.用非线性张量分解中的径向基函数先将视角流形V映射到多视角人脸数据空间，再将径向基函数映射矩阵排列为张量的形式，并进行分解，获得身份系数的模矩阵，建立多视角人脸模型 其中p^k表示第k个的人脸图像的身份系数向量p，Z是核张量，x_i是视角系数，ψ是视角系数和人脸图像之间的径向基映射；

F.采用基于EM-like的迭代算法求解多视角人脸模型参数，将满足最小化重构误差准则的身份系数作为人脸识别的结果。

2.根据权利要求1所述的多视角人脸识别方法，其特征在于所述的步骤D按如下过程进行：

D1.取出视角系数矩阵U_view的每一行作为一个视角系数；

D2.将视角系数按照人脸转动的客观顺序进行排列；

D3.对排序后的系数用样条拟合进行插值，以获得平滑的人脸视角流形结构V，并用x∈R^e表示流形上的坐标点，R^e表示e维的实数空间，这里表示视角流形的维数。

3.根据权利要求1所述的多视角人脸识别方法，其特征在于步骤E按如下 过程进行：

E1.选定N个位于视角流形V上的视角系数，组成集合X＝{x_i∈R^e，i＝1，…，N}，将K个人的与上述各视角系数对应的多视角人脸图像组成集合 k＝1…K；

E2.将视角系数x通过径向基函数y^k＝B^kψ(x)映射到y^k上，其中矩阵B^k表示第k个人在N个视角下的图像与视角流形之间的径向基函数映射矩阵，它嵌入了第k个人的身份信息，ψ(x)＝[φ(|x-z₁|）…，φ(|x-z_N |)，1，x^T]^T，φ表示径向基函数映射的核函数，z_i表示各个核函数的中心；

E3.将求得的映射系数矩阵B^k，排列为一个（D(N+e+1))×K的张量B，k＝1，…，K，用非对称的双线性模型将张量B分解成B＝Z·[p¹，…，p^K]，其中p^k表示第k个的人脸图像的身份系数向量p，Z是核张量；

E4.根据视角流形坐标x_i、Z和身份系数p^k，生成第k个人在第i个视角下的人脸模型为