买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种最优间距贝叶斯分类模型的新型方法应用于人脸识别领域中。这种人脸识别方法与传统的朴素贝叶斯分类方法不同，提出的最优间距贝叶斯核心理念在于利用朴素贝叶斯分类的概率推断能力，同时考虑样本之间的最优间距度量，以解决可能存在的类别重叠问题，使得分类器能够更好地区分类别。该方法包括：首先，利用摄像头实时捕获目标人脸，采用直方图均衡对图像进行预处理；接着采用局部二值模式的特征提取方法对人脸特征进行提取，并使用PCA进行降维处理；最后利用提出的最优间距贝叶斯分类模型对提取的特征进行分类，从而输出最终的人脸识别结果。实验结果表明本发明提出的方法在人脸识别方面表现出了更优异的性能。

主权项：1.一种基于最优间距贝叶斯分类模型的人脸识别方法，其特征在于，包括以下步骤：第1步、通过摄像头或图像采集设备实时捕获人脸图像；第2步、对捕获的人脸图像进行预处理，使用直方图均衡技术消除光照不均匀或其他图像质量问题；第3步、采用局部二值模式LBP特征提取方法，提取人脸图像中最具代表性和鲁棒性的特征；第4步、使用主成分分析PCA技术进行特征降维处理，以减少特征维度，提高计算效率，并保留主要特征信息；第5步、利用最优间距贝叶斯分类模型进行训练并识别分类，具体步骤如下：第5.1步、高斯朴素贝叶斯的先验概率和条件概率的计算： 其中，yi表示训练数据集中的第i条数据的类别，y表示类别标签，n表示训练数据的样本个数，s表示总类别数，xj表示第j个属性，xij是第i个样本的第j个属性，μj是第j个属性的均值，是第j个属性的方差；第5.2步、定义适应度评估函数，在最优间距贝叶斯分类模型中，将提出的最优间距度量和训练集的准确率作为适应度评估函数，最优间距定义为一个类的所有样本和另一个类的所有样本的联合概率之差： 对于多分类问题，采用了一对多策略来构建多分类模型；第5.3步、最优间距贝叶斯分类模型训练优化，采用多目标粒子群算法最大化最优间距和训练集的准确率，通过迭代更新，输出Pareto解集，即得到多组属性权重向量，使用交叉验证来评估获得的多组属性权重，最终获得最优全局属性权重向量W；第5.4步、利用属性权重向量和类条件概率，来计算每个实例在每个类别下带权重的后验概率，最后通过最大化后验概率预测数据所属的类别： 其中，y代表数据所属的类别标签，Y表示训练数据集中的所有类别标签的集合，n表示数据集中所有属性的个数，wi表示赋予第i个属性的权重；第6步、输出人脸识别结果。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于最优间距贝叶斯分类模型的人脸识别方法