[发明专利]一种基于串联集成式RMML度量学习的人脸比对方法和系统

权利要求书

1.一种基于串联集成式RMML度量学习的人脸比对方法，其特征在于，该方法包括以下步骤：

S1.对人脸图像训练集中的每个样本x_i提取特征f_i⁰，得到人脸特征集合N为样本数量；

S2.将人脸特征集合中人脸特征打乱分组、按组进行RMML度量学习、特征映射后拼接为新的人脸特征集合，将这一系列操作重复L次，得到人脸特征集合

S3.基于RMML度量学习计算人脸特征集合的距离度量矩阵M_final；

S4.提取测试样本人脸图像x_I和x_J的特征f_I⁰和利用距离度量矩阵M_final计算这两张人脸图像的距离d；

S5.判断距离d是否小于阈值，若是，判定人脸图像x_I和x_J为同一个人，否则，判定人脸图像x_I和x_J不是一个人；

所述RMML度量学习的输入为人脸特征集合{F₁,...,F_i,...,F_N}，F_i为第i个样本的人脸特征，所述RMML度量学习包括以下步骤：

(1)判断特征对(F_i,F_j)中特征F_i和F_j是否为同一个人的特征，若是，y_ij＝1，否则，y_ij＝0，i,j＝1,...,N；

(2)统计y_ij＝1和y_ij＝0的数量，分别记为n₁和n₂，且

(3)计算特征对(F_i,F_j)的差分特征d_ij＝F_i-F_j；

(4)通过目标函数求解度量矩阵M；

其中，λ为g₁的权重，该参数可调节，tr()为迹函数，矩阵A的列向量为同一个人特征差分对d_ij，矩阵B的列向量为不同人特征差分对d_ij，||||_F为F范数，I为单位矩阵。

2.如权利要求1所述的人脸比对方法，其特征在于，第l次将人脸特征集合打乱分组，包括以下步骤：

S201.将第l次打乱前的人脸特征集合中每个人脸特征f_i^l-1按维度打乱变为f_i′^(l-1)后获得第l次打乱后的人脸特征集合

S202.当打乱后的特征f_i′^(l-1)的维度不是2的幂次，通过补零操作将其维度扩展为2的幂次后获得补零后的人脸特征集合

S203.将每个补零后的人脸特征f_i^*(l-1)分为K_l组后获得K_l个人脸特征集合；

其中，l＝1,...,L，k＝1,2,...,K_l，K_l＝2^L-l，第k组人脸特征集合为为第k组人脸特征集合中第i个样本的人脸特征。