[发明专利]基于流形学习的人脸识别方法

摘要

本发明涉及一种基于流形学习的人脸识别方法，从数据的局部结构出发，提出保存人脸数据的局部类别关系；然后利用排列技术，将每个点的局部最优转化为全局最优；通过对排列矩阵与原始训练样本及其转置的乘积进行特征分解，得到数据由高维到低维的投影矩阵；通过该投影矩阵，将待识别的人脸图像投影到低维空间；最后，在低维空间用最近邻法分类。本发明能够探测嵌入在高维人脸数据中的低维流形结构，由此而能够得到比较高的人脸识别率。实验证明，用本发明所提出的方法进行人脸识别，其识别率明显高于主分量分析方法得到的识别率。

主权项

1.一种基于流形学习的人脸识别方法，其特征在于，具体步骤如下：(1)将原始的人脸图像行堆叠为一个M维长向量，从而所有的数据构成一个矩阵X，作为训练样本；(2)对于每一个人脸数据点xi，寻找到它的k个同类点，组成一个局部，对于该数据点xi和它的k个同类点，使它们在低维空间的点对距离最小，并得到相应的局部最优化的表达；(3)对于所有的人脸数据点，都经步骤(2)所述的优化，从而将每一个局部的优化用排列技术叠加起来，得到排列矩阵L，从而得到全局意义上的优化；(4)将原始数据集X乘以排列矩阵L，再乘以原始数据集的转置XT，从而得到：XLXT，实现了优化矩阵的构建；(5)对XLXT进行特征分解，假设所求低维空间为d维，将求得的特征值由小到大排列取前d个，其所对应的d个特征向量则组成M×d投影矩阵A；(6)对于每一个待识别的人脸数据xt，用投影矩阵A的转置AT乘以xt，便得到其低维表达yt＝ATxt，在低维空间里，用最近邻方法对人脸数据进行分类则完成了人脸识别。