一种基于多个1类支持向量机的人脸相似性识别方法及系统的制作方法
【专利摘要】本发明提供一种基于多个1类支持向量机的人脸相似性识别方法及系统。所述方法包括以下步骤。S1、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集。S2、对所述差样本对训练集按类别分别进行训练学习，获得1类SVM模型系数，并通过所述模型系数获得超球体半径rc。S3、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。
【专利说明】一种基于多个1类支持向量机的人脸相似性识别方法及系统
【技术领域】
[0001]本发明属于人脸识别领域，具体涉及一种基于多个I类支持向量机的人脸相似性识别方法及系统。
【背景技术】
[0002]以人脸识别为代表的生物特征识别一直是研究关注的焦点，这是由于人脸是一个信息丰富的模式集合，是人类互相判别、认识、记忆的主要标志。人脸识别在计算机视觉、模式识别、多媒体技术研究中占有重要的地位，因此人脸识别技术是模式识别与机器视觉领域最有挑战性的研究课题之一。人脸识别的主要工作，就是将现实空间的人脸图像映射到机器空间，并采取某种表示方式(如人脸的几何特征、代数特征和变换系数等)尽可能完整而准确地描述人脸。将待识别的人脸与已知人脸进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认(Verification)，是一对一进行图像比较的过程。另一类是辨认(Identification)，是一对多进行图像匹配对比的过程。根据对人脸不同的特征表示，分类器选择也不同。目前人脸识别的基本方法主要有:整体匹配方法、基于局部特征的匹配方法和两者混合的方法。一般的模式识别问题中，样本具有类别少，每类样本多的特点；然而在人脸识别问题中，样本的种类很多，而每一类的样本数量较少。
[0003]P.Jonathon Phillips 在文章 “Support Vector Machines Applied to FaceRecognition”中提出将支持向量机(SVM)应用到人脸识别问题中。在该方法中，支持向量机首先要学习一个相似性函数，通过人脸图像之间的相似性来进行人脸识别。该方法采用了差空间(difference space)的样本对生成方式，即通过计算两个人脸图像的差异，将人脸识别转变为两类问题:相似或不相似。差空间是生成样本对的常用方法。该方法中，若原始样本个数为n，则差空间的样本个数是η2。所以在Phillips的实验中，会产生大量的训练样本，从而导致算法的运行时间过长甚至内存溢出而无法执行。由于人脸识别问题的样本种类繁多，而每一类的样本数量少这一特殊性，会出现相似样本对和不相似样本对之间的极大不平衡，即不相似样本数量远多于相似样本的个数，并且大量的训练的数据样本会导致时间冗长以及内存溢出问题，在很大程度上影响了支持向量机的性能。
[0004]鉴于此，本发明提供一种基于多个I类支持向量机的人脸相似性识别方法，以解决上述问题。
【发明内容】
[0005]本发明提供一种基于多个I类支持向量机的人脸相似性识别方法，包括以下步骤。
[0006]S1、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集；
[0007]S2、对所述差样本对训练集按类别分别进行训练学习，获得I类SVM模型系数，并通过所述模型系数获得超球体半径r。；[0008]S3、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。
[0009]优选的，步骤SI中所述的人脸训练样本集为Kx1, V1),…，(XilVi),-, (xn，vn)}，其中Xi e Rd, Vi e {I, 2，…，C}，Vi是Xi的类别标签，Rd是维度为D的实数集合，C是人脸的种类数。
[0010]优选的，在步骤SI中，若用X。表示仅包含Vi = c的训练样本的集合，其数据类别为C，则X。中任意两个样本X丨和X了的相似差样本对= ? ,差样本对训练集为
sxc={zj}mcj=1，其中h e Rd, rnc为第C类的差样本对的个数。
[0011]优选的，在步骤S2中，所述I类SVM模型系数αρ，ρ = 1，..., mc,且
【权利要求】
1.一种基于多个I类支持向量机的人脸相似性识别方法，其特征在于，包括以下步骤: 51、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集； 52、对所述差样本对训练集按类别分别进行训练学习，获得I类SVM模型系数，并通过所述模型系数获得超球体半径r。； 53、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。
2.根据权利要求1所述的方法，其特征在于，步骤SI中所述的人脸训练样本集为{(X1, V1)，…，(Xi, Vi)，…，(xn, vn)},其中 Xi e Rd, Vi e {I, 2，…，C}, Vi 是 Xi 的类别标签，Rd是维度为D的实数集合，C是人脸的种类数。
3.根据权利要求1所述的方法，其特征在于，在步骤SI中，若用X。表示仅包含Vi=c的训练样本的集合，其数据类别为C，则X。中任意两个样本
4.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述I类SVM模型系数αρ，P
5.根据权利要求1所述的方法，其特征在于，在步骤S3中，若任意两个测试样本；和r的测试差样本对为?=α则第C个相似性判别模型
6.根据权利要求5所述的方法，其特征在于，若f届、>G，则；和&在该相似性判别模 .型中是相似的，否则是不相似的。
7.根据权利要求5所述的方法，其特征在于，若有C个判别模型，且循环操作C次得到C个相似性判断结果
8.一种基于多个I类支持向量机的人脸相似性识别系统，其特征在于，包括预处理模块、训练模块及测试模块，所述预处理模块连接训练模块，所述训练模块连接测试模块， 所述预处理模块，用于对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集； 所述训练模块，用于对所述差样本对训练集按类别分别进行训练学习，获得I类SVM模型系数，并通过所述模型系数获得超球体半径； 所述测试模块，用于获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。
【文档编号】G06K9/00GK103886310SQ201410163058
【公开日】2014年6月25日 申请日期:2014年4月22日 优先权日:2014年4月22日
【发明者】张莉, 卢星凝, 王邦军, 陶志伟, 李凡长, 杨季文 申请人:苏州大学