[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

摘要

本发明公开了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。其过程是：对多视角人脸图像进行尺度归一化；采用留一法将多视角人脸图像划分为测试集和训练集；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的形式，对张量数据用高阶奇异值分解得到人脸图像的身份、视角及像素因素的系数矩阵；利用数据-概念驱动的方式对视角系数进行排列和插值，获得人脸视角流形；根据人脸转动的客观顺序，通过概念驱动的方式生成人脸的视角流形；用非线性张量分解将视角流形映射到多视角人脸数据空间，并获得身份系数的模矩阵，建立多视角人脸模型；采用基于EM-like的迭代算法求解模型参数，以参数满足最小化重构误差准则实现识别。本发明具有精度高和速度快的优点。可用于生物特征识别领域中不同视角下的复杂人脸检索和识别。

主权项

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Uidenity、视角系数矩阵Uview，本征图像矩阵Upixel和核张量Z，该三个矩阵U之间相互独立，Z表示该三个矩阵U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Uview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pk表示第k个的人脸图像的身份系数向量p，Z是核张量，xi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。