[发明专利]基于RGB彩色特征双重鉴别相关性分析的人脸识别方法

权利要求书

1.一种基于RGB彩色特征双重鉴别相关性分析的人脸识别方法，其特征在于，包括如下步骤：

（1）首先获得训练样本集，定义训练样本集内部的类内特征相关性矩阵和类间特征相关性矩阵与训练样本集之间的类内特征相关性矩阵和类间特征相关性矩阵；

（2）其次定义目标函数并放松约束，对目标函数求解，得到投影后的训练样本特征集；

（3）获得测试样本，根据上述投影后的训练样本特征集，得出投影后的测试样本特征，计算投影后的测试样本特征到每一个训练样本特征的相关性，将测试样本归到相关性最大的那个训练样本所在的类。

2.根据权利要求1所述的基于RGB彩色特征双重鉴别相关性分析的人脸识别方法，其特征在于，所述步骤（1）包括:定义第i个彩色分量训练样本集内部的类内特征相关性矩阵和类间特征相关性矩阵与第i和第j个彩色分量训练样本集之间的类内特征相关性矩阵和类间特征相关性矩阵如下：

Cwi=(1/Σp=1cnp2)Σp=1cΣr=1npΣt=1npwiT(xpri-x‾i)(xpti-x‾i)Twi1nΣp=1cΣr=1npwiT(xpri-x‾i)(xpri-x‾i)Twi1nΣp=1cΣt=1npwiT(xpti-x‾i)(xpti-x‾i)Twi]]>

=nΣp=1cΣr=1npΣt=1npwiTx^prix^ptiTwi(Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣp=1cΣt=1npwiTx^ptix^ptiTwi,]]>

=nΣp=1cwiTX^ienpenpTX^iTwi(Σp=1cnp2)wiTX^iX^iTwiwiTX^iX^iTwi]]>

=nwiTX^iAX^iTwi(Σp=1cnp2)wiTX^iX^iTwi]]>

Cbi=[1/(n2-Σp=1cnp2)]Σp=1cΣq=1q≠pcΣr=1npΣt=1npwiT(xpri-x‾i)(xqti-x‾i)Twi1nΣp=1cΣr=1npwiT(xpri-x‾i)(xpri-x‾i)Twi1nΣq=1cΣt=1npwiT(xqti-x‾i)(xqti-x‾i)Twi]]>

=nΣp=1cΣq=1q≠pcΣr=1npΣt=1nqwiTx^prix^qtiTwi(n2-Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣq=1cΣt=1npwiTx^qtix^qtiTwi]]>

=n(Σp=1cΣq=1cΣr=1npΣt=1nqwiTx^prix^qtiTwi-Σp=1cΣr=1npΣt=1npwiTx^prix^ptiTwi)(n2-Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣq=1cΣt=1npwiTx^qtix^qtiTwi,]]>

=n(wiTX^ienenTX^iTwi-Σp=1cwiTX^ienpenpTX^iTwi)(n2-Σp=1cnp2)wiTX^iX^iTwiwiTX^iX^iTwi]]>

=-nwiTX^iAX^iTwi(n2-Σp=1cnp2)wiTX^iX^iTwi]]>

Cwij=(1/Σp=1cnp2)Σp=1cΣr=1npΣt=1npwiT(xpri-x‾i)(xptj-x‾j)Twj1nΣp=1cΣr=1npwiT(xpri-x‾i)(xpri-x‾i)Twi1nΣp=1cΣt=1npwjT(xptj-x‾j)(xptj-x‾j)Twj]]>

=nΣp=1cΣr=1npΣt=1npwiTx^prix^ptjTwj(Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣp=1cΣt=1npwjTx^ptjx^ptjTwj,]]>

=nΣp=1cwiTX^ienpenpTX^iTwi(Σp=1cnp2)wiTX^iX^iTwiwjTX^jX^jTwj]]>

=nwiTX^iAX^jTwj(Σp=1cnp2)wiTX^iX^iTwiwjTX^jX^jTwj]]>

Cbij=[1/(n2-Σp=1cnp2)]Σp=1cΣq=1q≠pcΣr=1npΣt=1npwiT(xpri-x‾i)(xqtj-x‾j)Twj1nΣp=1cΣr=1npwiT(xpri-x‾i)(xpri-x‾i)Twi1nΣq=1cΣt=1npwjT(xqtj-x‾j)(xqtj-x‾j)Twj]]>

=nΣp=1cΣq=1q≠pcΣr=1npΣt=1nqwiTx^prix^qtjTwj(n2-Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣq=1cΣt=1npwjTx^qtjx^qtjTwj]]>

=n(Σp=1cΣq=1cΣr=1npΣt=1nqwiTx^prix^qtjTwj-Σp=1cΣr=1npΣt=1npwiTx^prix^ptjTwj)(n2-Σp=1cnp2)Σp=1cΣr=1npwiTx^prix^priTwiΣq=1cΣt=1npwjTx^qtjx^qtjTwj;]]>

=n(wiTX^ienenTX^jTwj-Σp=1cwiTX^ienpenpTX^jTwj)(n2-Σp=1cnp2)wiTX^iX^iTwiwjTX^jX^jTwj]]>

=-nwiTX^iAX^jTwj(n2-Σp=1cnp2)wiTX^iX^iTwiwjTX^jX^jTwj]]>

其中，X_R、X_G、X_B分别表示R、G、B三个彩色分量训练样本集，w_R、w_G、w_B分别表示X_R、X_G、X_B的投影向量，c表示彩色图像训练样本的类别数，n_k表示第k类彩色图像训练样本的个数，n表示所有彩色图像训练样本的个数，表示X_i(i＝R,G,B)中第p类的第q个样本，表示X_i(i＝R,G,B)中所有样本的均值，分别表示中心化后的R、G、B三个彩色分量训练样本集，表示中第p类的第q个样本（注：中心化是指Σp=1cΣq=1npx^pqi=0,]]>也就是x^pqi=xpqi-x‾i]]>），e_n＝[1,…,1]^T∈Rⁿ，表示一个n_k阶所有元素都为1的方阵，A=En10...00En2...0............00...Enc∈Rn×n.]]>