• 一种基于LPP特征提取的单样本人脸识别迁移学习方法

    • 摘要:

      本发明属于模式识别技术领域,具体涉及一种基于LPP特征提取的单样本人脸识别迁移学习方法.不同于传统的基于泛化能力提升的全局人脸识别与依赖图像分割的局部人脸识别方法,本发明首先利用白化余弦相似度对迁移源进行筛选获得精选样本源,其次分别对精选源中的源特征与目标特征人脸采用LPP进行特征投影并求解特征迁移矩阵逼近其映射关系,然后将特征迁移矩阵作用于训练样本将其原始宏观特征迁移为目标宏观特征,最后采用最近邻分类器实现较高精度的人脸识别.本发明能够有效利用与目标单样本关联的大量源样本,合理筛选并迁移宏观特征,在很大程度上解决单样本难以训练的问题,并能够获得更高的人脸识别精度.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201310479695.1

    • 申请日期:

      2013.10.15

    • 公开/公告号:

      CN103514443A

    • 公开/公告日:

      2014-01-15

    • 发明人:

      王雪松 潘杰 程玉虎

    • 申请人:

      中国矿业大学

    • 主分类号:

      G06K9/00(2006.01)I,G,G06,G06K,G06K9

    • 分类号:

      G06K9/00(2006.01)I,G06K9/62(2006.01)I,G,G06,G06K,G06K9,G06K9/00,G06K9/62

    • 主权项:

      一种基于LPP特征提取的单样本人脸识别迁移学习方法,其特征在于:包括如下步骤:步骤1,给定迁移源TS,计算类别i的平均脸AFi,并基于先验概率求解类内样本协方差矩阵∑w,并获取白化算子Ww;步骤2,由所述白化算子Ww作用于各源样本与目标训练样本使所述各源样本和目标训练样本投影到白化子空间Rd,得到白化子空间Rd内所述各源样本和目标训练样本的余弦相似度取余弦相似度δWWC≥θ1的源样本进入精选迁移源SS;步骤3,构建所述精选迁移源SS的邻接图G,计算度对角矩阵D、图拉普拉斯矩阵L;步骤4,求解特征投影矩阵A,并计算所述精选迁移源SS中样本到特征子空间Rd内的投影;步骤5,获取最优特征迁移矩阵将所述最优特征迁移矩阵作用于目标样本将其迁移为样本使所述样本与测试样本拥有相同特征gn,所述特征gn宏观表征下为qn;步骤6,利用1?NN判定所述测试样本FDA0000395685340000011.jpg,FDA0000395685340000012.jpg,FDA0000395685340000013.jpg,FDA0000395685340000014.jpg,FDA0000395685340000015.jpg,FDA0000395685340000016.jpg,FDA0000395685340000017.jpg,FDA0000395685340000018.jpg,FDA0000395685340000019.jpg,FDA00003956853400000110.jpg,FDA00003956853400000111.jpg,FDA00003956853400000112.jpg,FDA00003956853400000113.jpg,FDA00003956853400000114.jpg,FDA00003956853400000115.jpg