[0008] 发明目的:为克服现有技术的不足,非线性的核技术可以通过非线性核映射改变样本的分布,使原来线性空间中难以分离的样本在非线性核空间中可分离。另外,考虑到彩色人脸图像存在三个彩色分量(也可以看作三个光谱),为了应对不同彩色分量的不同特性,将多核学习技术应用于彩色人脸图像,对彩色人脸图像的三个彩色分量分别使用三个不同的核映射,再通过典型相关多核学习对每一个彩色分量分别进行非线性特征提取,然后将每幅彩色人脸图像三个彩色分量的特征向量串联成一个列向量,最后使用基于余弦距离的最近邻分类器进行分类和识别。
[0009] 在Face Recognition Grand Challenge(FRGC)version 2Experiment 4彩色人脸数据库(P.J.Phillips,P.J.Flynn,T.Scruggs,K.Bowyer,J.Chang,K.Hoffman,J.Marques,J.Min,and W.Worek“, Overview of the Face Recognition Grand Challenge”,IEEE Conf.Computer Vision and Pattern Recognition,vol.1,pp.947-954,2005)上做仿真实验,证明基于典型相关多核学习的彩色人脸识别方法在人脸识别问题中的有效性。
[0010] 本发明的技术方案如下:
[0011] 对一个彩色人脸图像训练样本集X,令n表示所有彩色人脸图像训练样本的个数,c表示彩色人脸图像训练样本的类别数,nk表示第k类彩色图像训练样本的个数,XR∈Rd×n、XG∈Rd×n、XB∈Rd×n分别表示R、G、B三个彩色分量训练样本集,d表示彩色分量样本维数,表示Xi中第p类的第q个样本,i=R,G,B。对于一个待识别样本y,令yR∈Rd、yG∈Rd、yB∈Rd分别表示该样本的R、G、B三个彩色分量。令φR:Rd→HR、φG:Rd→HG、φB:Rd→HB表示三个核映d射,它们分别将R、G、B三个彩色分量样本从原始d维的线性空间R映射到三个非线性高维核空间HR、HG、HB,ki表示核映射φi对应的核函数,ωi表示核函数ki对应的多核组合系数,满足ωi>0且 令 和φi(yi)分别表示核映射后的样本 和yi,φi(Xi)表示核映射后的彩色分量训练样本集Xi, 表示φi(Xi)中所有样本的均值, 表示中心化后的样本 表示中心化后的φi(Xi),Ki=(φi(Xi))Tφi(Xi)表示对应φi(Xi)的核矩阵, 表示对应 的核矩阵,其中En∈Rn×n是一个所有
元素都为1的方阵, 表示对应φi(yi)的核矩阵。令 表示核空间Hi中i彩色分量样本对应的投影向量。根据核重构理论(J.S.Taylor,and N.Cristianini,“Kernel Methods for Pattern Analysis”,Cambridge University Press,Cambridge,2004),核空间Hi中的投影向量 可以用φi(Xi)或 线性表示,即 其中ui,vi∈Rn是两
个线性表示系数向量,满足 In∈Rn×n是一个单位矩阵。
[0012] 步骤1,对于彩色分量训练样本集Xi(i=R,G,B),为了选择最优的核函数 设计核函数选择准则如下:
[0013]
[0014] 其中, 和 分别表示Xi的类内相关性和类间相关性,定义如下:
[0015]
[0016]和 分别表示Xi中第p类的第r个样本和第t个样本, 表示Xi中第q类的第t个样本,和 分别表示核映射后的样本 和
和 分别表示中心化后的样本 和
是一个块对角矩阵, 是一个所有元素值都为1的方阵,tr(·)表示方阵的迹,rank(Ki)表示矩阵Ki的秩。
[0017] 步骤2,使用步骤1选择的三个最优核函数 分别对三个彩色分量训练样本集XR,XG,XB进行核映射,得到核矩阵KR,KG,KB,
[0018] 步骤3,定义核空间中i和j彩色分量样本特征集之间的典型相关性Cij如下:
[0019]
[0020] 并定义目标函数如下:
[0021]
[0022] 通过轮流更新线性表示系数vR,vG,vB和多核组合系数ωR,ωG,ωB进行迭代求解,得到这两组系数的解,并通过 得到uR,uG,uB。
[0023] 步骤4,彩色人脸图像训练样本集的最终特征表示如下:
[0024]
[0025] 待识别样本的最终特征表示如下:
[0026]
[0027] 计算 到 中每一个样本的余弦距离,将待识别样本y归到距离最小的那个训练样本所在的类。
[0028] 有益效果
[0029] 本发明采用以上技术方案与现有技术相比,具有以下有益效果:
[0030] 本发明提供基于典型相关多核学习的彩色人脸识别方法,将多核学习技术应用于彩色人脸图像的典型相关分析,对三个彩色分量分别使用三个不同的核映射,再通过典型相关多核学习对三个彩色分量分别进行非线性特征提取。对于提取到的特征,使用基于余弦距离的最近邻分类器进行分类和识别。本发明识别效果更高,通过典型相关多核学习,彩色人脸特征的分类能力得到了明显增强。