[发明专利]一种基于LDA子空间学习的人脸识别方法

说明书

技术领域

本发明属于人脸识别技术，尤其是基于LDA子空间识别方法的人脸识别技术。

背景技术

人脸识别技术是当前大力发展的生物识别技术之一。人脸识别系统主要包括数据采集子系统、人脸检测子系统和人脸识别子系统。人脸特征提取是人脸识别子系统最为关键的技术，好的人脸特征提取技术将使提取的人脸特征值更小、辨别性能更好，可以提高识别率和降低误识率。目前已存在的人脸特征提取方法主要有：基于几何特征方法、基于子空间分析方法、基于小波理论方法、基于神经网络方法、基于隐马尔可夫模型方法、基于支持向量机方法和基于三维模型方法。基于几何特征方法的思想是提取人脸面部具有代表性的部位(例如眉毛、眼睛、鼻子、嘴巴等)的相对位置和相对大小作为特征，再辅以人脸轮廓的形状信息作为特征，该方法容易受光照、表情、遮挡等因素的影响，稳定性不高。基于小波理论的人脸识别方法主要思想是人脸图像在经过小波变换后得到的低频图像可用于表示人脸。人工神经网络ANN是由大量简单的处理单元相互连接而成的网络系统，在自学习、自组织、联想及容错方面具有较强的能力，在学习过程中提取得到的特征可作为人脸特征进行识别。基于子空间分析的方法是目前比较流行的人脸识别方法，基本思想是把高维空间中松散分布的人 脸图像通过线性或非线性变换投影到一个低维的子空间中，使得人脸图像的分布在低维子空间中更加紧凑，更有利于分类，并且从高维计算变为低维计算可解决“维数灾难”问题。线性子空间方法有：主元分析PCA、奇异值分解SVD、线性判别分析LDA、独立主元分析ICA和非负矩阵因子NMF等，非线性子空间方法有：核主成份分析、核Fishe判别分析、流形学习方法等。子空间分析的方法具有计算代价小、描述能力强、分类性强等特点，基于可分性准则的线性判别分析方法是当前人脸识别的主流方法之一。

发明内容

本发明提供了一种改善上述问题的方案，提供一种性能更好、鲁棒性更强的应用于人脸识别方法。

本发明的技术方案是提供一种基于LDA子空间学习的人脸识别方法，其特征在于：其包括以下步骤：

1)获取人脸图像，并对所述人脸图像进行转正、滤波、规定化分辩率等预处理；

2)计算1)中所述人脸图像的梯度多尺度局部相位量化GMLPQ特征集；

3)应用Adaboost选择器筛选2)中所述梯度多尺度局部相位量化GMLPQ特征集中具有鉴别能力的特征组成候选特征子集；

4)应用LDA子空间分析器对3)中所述候选特征子集进行分析，得到一个低维特征向量作为人脸特征模板；

5)将4)中所述人脸特征模板与预建人脸特征模板库进行匹配， 获取识别人身份信息。

优选的，步骤4)中所述LDA子空间分析器基于改进的目标函数训练而成，所述改进的目标函数如下：

J=wTSww-λwTSbw]]>