本發(fā)明涉及一種基于核判別分析的人臉識別方法，屬于人臉識別領(lǐng)域。

背景技術(shù)：

人臉識別是通過分析人類臉部視覺特征來達(dá)到身份鑒別目的的一種計算機技術(shù)。學(xué)術(shù)界對人臉識別給出了廣義和狹義兩方面的具體定義。廣義的人臉識別包括人臉檢測（facedetection）、人臉表征（facerepresentation）、人臉鑒別（faceidentification）、表情分析（faceexpressionanalysis）以及物理分類（physicalclassification）等一系列相關(guān)技術(shù)；而狹義的人臉識別則被定義為一種技術(shù)或系統(tǒng)，這一技術(shù)或系統(tǒng)能夠通過人臉的特征進(jìn)行身份確認(rèn)、身份比較和身份查找。

目前，由于人臉識別技術(shù)能夠通過生物體（一般特指人）本身的生物特征來區(qū)分個體，提高了生物體識別的精度，因此，該技術(shù)得到了廣泛關(guān)注和推崇，使該領(lǐng)域也成為了生物識別特征研究中的熱點。以人類為例，生物特征主要來自于以下方面：臉、視網(wǎng)膜、虹膜、手掌紋、指紋、語音、體形、習(xí)慣等，因而基于上述內(nèi)容，研究則被重點放在了識別人臉、視網(wǎng)膜、虹膜、手掌紋、指紋、語音、體形、鍵盤敲擊、簽字等相應(yīng)特征的計算機識別技術(shù)上，并取得了具有重要意義的成果。

人臉識別的優(yōu)勢在于其自然性和友好性的特點。所謂自然性，是指人類本身也是通過觀察和比較人類臉部特征來辨別和確認(rèn)對方身份的，如語音識別、體形識別等也同樣具有自然性的特征，而人類或其他生物通常不通過指紋、虹膜等特征區(qū)別個體，因此上述特征識別就不具有自然性的特征。

所謂友好性，是指該識別方法不因特殊對待而增加被鑒別人的心理負(fù)擔(dān)，并且也因此而更容易獲取直接和真實的特征信息。指紋或者虹膜識別需要利用電子壓力傳感器或紅外線等特殊技術(shù)手段采集信息，上述特殊的采集技術(shù)易被人發(fā)現(xiàn)，大大增加了被鑒別人躲避身份鑒別的可能性，降低了身份鑒別的效率。

然而，人臉識別卻可通過簡單的圖像或視頻技術(shù)直接獲取被鑒別人的人臉信息，這種信息采集方式不易于被人察覺，增加了信息的真實性和可靠性。

雖然人臉識別技術(shù)具有上述優(yōu)點，但該技術(shù)的實現(xiàn)卻并不容易。主要受人臉的生物特性所限制，具體表現(xiàn)在：

第一，由于同種類型的人臉的結(jié)構(gòu)都具有較高的相似性。該特點可以用于人臉定位，但是卻大大增加了利用人臉特征鑒別個體的難度。

第二，受年齡、情緒、溫度光照條件、遮蓋物等因素的限制，人臉的外形很不穩(wěn)定，甚至在不同觀察角度，人臉的圖像特征也存在顯著的差異，增加了人臉識別技術(shù)應(yīng)用的復(fù)雜性。

為使人臉識別技術(shù)更好的服務(wù)于所需領(lǐng)域，則需要對上述兩項限制進(jìn)行研究尋求突破。

技術(shù)實現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)的不足之處，本發(fā)明的目的在于提供一種基于核判別分析的人臉識別方法，包括以下步驟：

步驟一、進(jìn)行特征提取，將樣本數(shù)據(jù)向高維核空間映射，并利用主成分分析法進(jìn)行第一次特征提??；

步驟二、構(gòu)造中心化矩陣h，求解特征方程。

步驟三、計算向量；

步驟四、提取主成分，完成第一次人臉特征提取，得到人臉數(shù)據(jù)主成分分析后保留的樣本y；

步驟五、利用線性判別分析法對y進(jìn)行二次特征提取；

步驟六、對于測試數(shù)據(jù)集x’，將其投影至訓(xùn)練集的特征子空間中，得到特征提取后的測試數(shù)據(jù)集z’；

步驟七、通過最近鄰分類器，將樣本z’進(jìn)行分類識別。

優(yōu)選的，上述步驟一利用kpca進(jìn)行特征提取。

優(yōu)選的，上述步驟一對給定的m個訓(xùn)練集數(shù)據(jù)x=[x1,x2,...,xm]，計算核矩陣k，其中。

優(yōu)選的，上述步驟三計算的向量為

和。

優(yōu)選的，上述步驟四提取的是總貢獻(xiàn)率達(dá)到90%以上的前k個主成分。

優(yōu)選的，上述步驟五具體為根據(jù)準(zhǔn)則函數(shù)計算最佳投影方向w，將y投影到lda的最佳投影方向w

zi=w^tyi

進(jìn)而完成了kfda特征提取，形特征子空間，并得到訓(xùn)練樣本數(shù)據(jù)集z。

相比現(xiàn)有技術(shù)，本發(fā)明提供的基于核判別分析的人臉識別方法，從宏觀上考慮整個節(jié)點的系統(tǒng)結(jié)構(gòu)，進(jìn)行整體架構(gòu)設(shè)計，具有微型化、低功耗、高穩(wěn)定性、易擴展性以及低成本、低復(fù)雜度的設(shè)計特點。

具體實施方式

本發(fā)明提供一種基于核判別分析的人臉識別方法，為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下舉實施例對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

核方法是一種基于核的模式識別方法，它伴隨著支持向量機理論的提出而產(chǎn)生。核方法的思想是通過非線性映射，使得一些線性方法具有處理非線性信息的能力，進(jìn)而對圖像中的非線性關(guān)系能夠更好的進(jìn)行分析處理。

本實施例提供的核判別分析的人臉識別方法，包括以下步驟：

(1)首先利用kpca進(jìn)行特征提取，將樣本數(shù)據(jù)向高維核空間映射，并利用主成分分析法進(jìn)行第一次特征提取。對給定的m個訓(xùn)練集數(shù)據(jù)x=[x1,x2,...,xm]，計算核矩陣k，其中。

(2)構(gòu)造中心化矩陣h，求解特征方程。

(3)計算向量和

(4)提取總貢獻(xiàn)率達(dá)到90%以上的前k個主成分，完成第一次人臉特征提取，得到人臉數(shù)據(jù)主成分分析后保留的樣本y。

(5)其次是利用線性判別分析法對y進(jìn)行二次特征提取。根據(jù)準(zhǔn)則函數(shù)計算最佳投影方向w，將y投影到lda的最佳投影方向w

zi=w^tyi

進(jìn)而完成了kfda特征提取，形特征子空間，并得到訓(xùn)練樣本數(shù)據(jù)集z。

(6)對于測試數(shù)據(jù)集x’，將其投影至訓(xùn)練集的特征子空間中，得到特征提取后的測試數(shù)據(jù)集z’。

(7)通過最近鄰分類器，將樣本z’進(jìn)行分類識別。

相比現(xiàn)有技術(shù)，本發(fā)明提供的基于核主成分分析的人臉識別方法，能夠大幅縮短識別時間，通過運用核方法，巧妙的彌補了主成分分析法和線性判別分析法不能利用數(shù)據(jù)中非線性信息的缺憾。

可以理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，而所有這些改變或替換都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。