1.一种基于独立分量分析网络的人脸识别方法,其特征在于,所述方法包括以下步骤:步骤1:对输入的人脸图像进行裁剪、对齐、归一化预处理;
步骤2:采用一组已经训练好的ICA滤波得到一组映射图像;
步骤3:对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像;
步骤4:对每张映射图像进行分块的LBP编码,然后全部串起来得到特征表达;
步骤5:对特征表达进行WPCA降维,最后采用余弦相似测量对两张人脸图像进行识别验证。
2.如权利要求1所述的人脸识别方法,其特征在于,在步骤2中,采用标准的独立分量分析方法训练ICA滤波,其计算公式如下:s=Wx=UVx=Uz (1)
其中,x为采样样本,W为滤波矩阵,z为预处理后的采样样本矩阵,U是一个方阵(通过ICA估计得到),V为白化矩阵,n为选择的特征向量的个数。
3.如权利要求2所述的人脸识别方法,其特征在于,在步骤3中,对特征映射图像进行非线性与池化处理采用ReLU运算,其公式如下:y=max(x,0) (3)其中x为输入的像素点,y为输出像素点;采用平均池化的方法对该算法进行降维处理,公式如下:其中,s代表池化的尺寸,j,k为图像的像素点坐标,m,n为池化的采样间隔。
4.如权利要求3所述的人脸识别方法,其特征在于,在步骤4中,对降维后的图片进行LBP编码以进一步得到判别特征向量:其中,gc为编码块的中心点,gp为围绕gc的像素点,P为gp的总数目,表示采用uniform编码模式,r代LBP编码半径,z表示滤波尺寸。
5.如权利要求4所述的人脸识别方法,其特征在于,在步骤5中,采用WPCA法进行降维处理,然后采用余弦相似测量对两个输入向量fi,f'j打分: