本发明公开了一种人脸识别的方法,通过对测试样本和训练样本进行随机的降维,并生成相似性学习训练集和测试集,选择支持向量机的正则参数和高斯核函数,将相似性学习的训练集输入到正则参数和高斯核函数中,得到分类器模型,再将相似性学习的测试集输入到分类器模型中,得到分类结果,通过将所述分类结果进行求和,与某一类样本的样本数量的商为所述某一类的相似性概率的大小,取得最大值,并将所述最大值输出,得到相似性概率的大小,得到最准确的人脸识别结果。通过对样本的降维,将样本复杂度降低,使得基于SVM来学习人脸图像之间的相似性的算法快速;另外,通过对于每一类进行的算法,使得人脸识别率有了相应的提高。
商品类型 | 专利 | 申请号 | 201210120265.6 | IPC分类号 | |
专利类型 | 发明 | 法律状态 | 有权 | 技术领域 | |
交易方式 | 开放许可 | 专利状态 | 已授权 | 专利权人 |
¥ 70,900 元
¥ 3,000 元
面议
面议