一种基于块内相关性的二维线性鉴别分析人脸识别方法

摘要

本发明属模式识别技术领域，具体涉及一种基于块内相关性的二维线性鉴别分析(简称2DFDA)人脸识别方法。本方法根据人脸图像所具有的局域特征，将人脸图像划分成非重叠小块，然后将每一个小块中的元素按行相接产生相应的行向量，再把行向量按顺序排列成新的二维图像矩阵，最后将分块、重排之后的二维图像矩阵当作输入图像，进行2DFDA人脸识别。本方法的优点在于：充分利用了局部区域里行与列像素之间的相关性信息，能够较好地保留人脸的局域特征信息，可以达到较高的人脸识别率，而且计算复杂度较低。

说明书

技术领域

本发明属模式识别技术领域，具体涉及一种基于块内相关性的二维线性鉴别分析人脸识别方法。

技术背景

人脸识别属于模式识别的范畴，作为图像分析与理解领域中最成功的应用之一，人脸识别在商业应用和研究领域都受到了广泛的重视。现有的人脸识别方法包括基于统计分析的人脸识别方法和基于模板匹配的人脸识别方法。

一幅具体的人脸图像可以用一个n×n的矩阵A表示，也可以用一个n×n维的向量I表示。由于数据空间维的维数很高，造成识别时的比对相当困难，通常需要使用降维的方法来压缩数据。在基于统计分析的人脸识别方法中，PCA(Principal ComponentAnalysis，主元分析)和FDA(Fisher Linear Discriminant Analysis，Fisher线性鉴别分析)就是常用的两种一维降维识别方法。设H表示人脸图像空间，e₁，e₂，…，e_J为H的一组标准正交向量，span(e₁，e₂，…，e_J)为这组向量张成的子空间，和φ分别表示两幅人脸图像，和φ在span(e₁，e₂，…，e_J)的投影分别为：和