(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210146878.0 (22)申请日 2022.02.17 (71)申请人 华能威宁风力发电有限公司 地址 551700 贵州省毕节市威宁 县雪山镇 灼圃村三组 (72)发明人 徐鸿飞　邓向朝　张伟娇　谷燕楠　 唐小花　 (74)专利代理 机构 北京久维律师事务所 1 1582 专利代理师 邢江峰 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/44(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种人脸识别的方法及装置 (57)摘要 本发明公开一种人脸识别的方法及装置。 本 发明的人脸识别的方法通过获取人脸图片的训 练库得到向量d1， d2， ...dm， 将m个向量取平均 值， 得到平均值向量avg＝(y1， y2......yn)； 用 向量d1， d2...........dm分别减去平均值向量 后组成一个矩阵X； 用矩阵X乘以X的逆矩阵X ’得X 的协方差矩阵W； 求W的特征向量； 取最大的K个特 征向量组成新的矩阵Y； 使用X ’乘以Y得到特征脸 C； 分别用向量d1， d2， ...dm乘以C得到投影向量 pn， 新人脸图片记为向量D； 将D乘以特征脸C得到 投影向量P； 计算P与上面所有的pn的向量距离； 将与P的向量距离最小的pn所对应的人脸图片输 出为与新人脸图片最接近的图片， 采用三阶近邻 法， 显著提升了人脸识别的识别率， 降低了运算 量。 权利要求书2页 说明书5页 附图2页 CN 114743231 A 2022.07.12 CN 114743231 A 1.一种人脸识别的方法， 其特 征在于， 包括： 获取人脸图片的训练库， 所述人脸图片表现为像素矩阵， 所述像素矩阵为 二维数组； 将所述二维数组转换成一维数组， 所述人脸图片表示为向量d＝(x1,x2......xn)， xn 表示像素； 将训练库里的m张人脸图片表示成上述的向量形式， 得到向量d1， d2， . ..dm， 将m个向量取平均值， 得到平均值向量avg＝(y1， y2. .....yn)； 用向量d1， d2. ..........dm分别减去平均值向量后组成一个矩阵X； 用矩阵X乘以X的逆矩阵X ’得X的协方差矩阵W； 求W的特征向量； 取最大的K个特 征向量组成新的矩阵Y； 使用X’乘以Y得到特 征脸C； 分别用向量d1， d2， ...dm乘以C得到向量d1， d2， ...dm在特征脸的投影向量pn， 得到的 投影向量pn的数量与训练库中人脸图片的数量相同； 接收新人脸图片， 所述 新人脸图片表示 为向量d形式， 记为向量D； 将D乘以上面训练得到的特 征脸C， 得到向量D在C下的投影向量P； 计算P与上面所有的pn的向量距离； 将与P的向量距离最小的pn所对应的人脸图片输出为与所述新人脸图片最接近的图 片。 2.根据权利要求1所述的一种人脸识别的方法 ， 其特征在于 ， 用向量d1 ， d2...........dm分别减去平均值向量后组成一个矩阵X的步骤中， X的大小为m ×n。 3.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 用矩阵X乘以X的逆矩阵X ’ 得X的协方差矩阵W的步骤中， W的大小m ×m。 4.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 取最大的K个特征向量组 成新的矩阵Y的步骤中， Y的大小m ×k。 5.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 使用X ’乘以Y得到特征脸C 的步骤中， C的大小n ×k。 6.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 分别用向量d1， d2， ...dm 乘以C得到向量d1， d2， . ..dm在特征脸的投影向量pn的步骤中， pn的大小1 ×k。 7.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 获取新人脸图片， 所述新 人脸图片表示 为向量d形式， 记为向量D的步骤中， D的大小1 ×n。 8.根据权利要求1所述的一种人脸识别的方法， 其特征在于， 将D乘以上面训练得到的 特征脸C， 得到向量D在C下的投影向量P的步骤中， P的大小1 ×k。 9.一种人脸识别的装置， 其特 征在于， 包括： 获取单元， 用于获取人脸图片的训练库， 所述人脸图片表现为像素矩阵， 所述像素矩阵 为二维数组； 转换单元， 用于将所述二维数组转换成一维数组， 所述人脸图片表示为向量d＝(x1, x2......xn)， xn表示像素； 将训练库里的m张人脸图片表示成上述的向量形式， 得到向量 d1， d2， ...dm， 第一求取单元， 用于将m个向量取平均值， 得到平均值向量avg＝(y1， y2. .....yn)； 第二求取单元， 用于用向量d1， d2...........dm分别减去平均值向量后组成一个矩阵权　利　要　求　书 1/2 页 2 CN 114743231 A 2X； 第三求取单元， 用于用矩阵X乘以X的逆矩阵X ’得X的协方差矩阵W； 第四求取 单元， 用于求 W的特征向量； 第五求取 单元， 用取最大的K个特 征向量组成新的矩阵Y； 第六求取 单元， 用于使用X ’乘以Y得到特 征脸C； 第七求取单元， 用于分别用向量d1， d2， ...dm乘以C得到向量d1， d2， ...dm在特征脸 的 投影向量pn， 得到的投影向量pn的数量与训练库中人脸图片的数量相同； 接收单元， 用于接收新人脸图片， 所述 新人脸图片表示 为向量d形式， 记为向量D； 第八求取 单元， 将D乘以上面训练得到的特 征脸C， 得到向量D在C下的投影向量P； 计算单元， 用于计算P与上面所有的pn的向量距离； 输出单元， 用于将与P的向量距离最小的pn所对应的人脸图片输出为与所述新人脸图 片最接近的图片。权　利　要　求　书 2/2 页 3 CN 114743231 A 3