本申請涉及(ji)數(shu)據處理(li)(li)領(ling)域，尤其涉及(ji)一種(zhong)數(shu)據處理(li)(li)方法(fa)以及(ji)設備。

背景技術：

隨(sui)著(zhu)時代(dai)的(de)(de)快速發展，越來(lai)越多技術的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)呈現出高維(wei)的(de)(de)數(shu)(shu)(shu)(shu)(shu)據(ju)特(te)征，如航天(tian)遙(yao)感數(shu)(shu)(shu)(shu)(shu)據(ju)、生物數(shu)(shu)(shu)(shu)(shu)據(ju)、網絡數(shu)(shu)(shu)(shu)(shu)據(ju)以及(ji)金(jin)融(rong)市場交易數(shu)(shu)(shu)(shu)(shu)據(ju)等。在(zai)對這些數(shu)(shu)(shu)(shu)(shu)據(ju)進行處理(li)時，存在(zai)著(zhu)維(wei)數(shu)(shu)(shu)(shu)(shu)災難(nan)(curses of dimensionality)問題(ti)，維(wei)數(shu)(shu)(shu)(shu)(shu)膨脹給高維(wei)數(shu)(shu)(shu)(shu)(shu)據(ju)中模式識別和規(gui)則發現帶(dai)來(lai)極(ji)大挑戰，維(wei)數(shu)(shu)(shu)(shu)(shu)災難(nan)的(de)(de)處理(li)難(nan)度極(ji)大。因此(ci)如何對數(shu)(shu)(shu)(shu)(shu)據(ju)進行有效處理(li)使其既能夠地克服“維(wei)數(shu)(shu)(shu)(shu)(shu)災難(nan)”，又能夠獲得數(shu)(shu)(shu)(shu)(shu)據(ju)的(de)(de)緊致表示(shi)是高維(wei)信息處理(li)研究的(de)(de)重(zhong)要(yao)問題(ti)。

當下的(de)數據(ju)降(jiang)(jiang)維(wei)(wei)(wei)(wei)技術(shu)主(zhu)要(yao)(yao)包括線(xian)(xian)性(xing)(xing)(xing)(xing)降(jiang)(jiang)維(wei)(wei)(wei)(wei)技術(shu)(如PCA、LDA)與非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)降(jiang)(jiang)維(wei)(wei)(wei)(wei)技術(shu)(如ISOMAP、LLE、Laplacian Eigenmap等)。現(xian)實生活中(zhong)要(yao)(yao)處理的(de)數據(ju)集一(yi)般為(wei)高維(wei)(wei)(wei)(wei)的(de)非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)數據(ju)，一(yi)些(xie)有效的(de)非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)降(jiang)(jiang)維(wei)(wei)(wei)(wei)方(fang)(fang)法(fa)，如多(duo)維(wei)(wei)(wei)(wei)尺度(du)方(fang)(fang)法(fa)(MDS)、等距映射(she)(ISOMAP)方(fang)(fang)法(fa)、局部(bu)線(xian)(xian)性(xing)(xing)(xing)(xing)嵌入(ru)方(fang)(fang)法(fa)(LLE)、拉普拉斯特(te)征映射(she)(LE)方(fang)(fang)法(fa)等，并(bing)在實際處理中(zhong)獲得(de)了(le)較為(wei)成功的(de)應(ying)用。還(huan)有一(yi)些(xie)非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)降(jiang)(jiang)維(wei)(wei)(wei)(wei)技術(shu)能(neng)夠提供明確的(de)投(tou)影(ying)矩陣，并(bing)能(neng)將(jiang)其應(ying)用于樣(yang)本(ben)外(wai)數據(ju)，以解(jie)決(jue)樣(yang)本(ben)外(wai)問(wen)題的(de)非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)降(jiang)(jiang)維(wei)(wei)(wei)(wei)算(suan)法(fa)，如局部(bu)保持投(tou)影(ying)(Locality Preserving Projection,LPP)、近鄰保持嵌入(ru)(Neighborhood Preserving Embedding,NPE)、敏感位置判別(bie)分析(xi)(Locality Sensitive Discriminant Analysis,LSDA)等算(suan)法(fa)。這些(xie)算(suan)法(fa)在對高維(wei)(wei)(wei)(wei)非(fei)(fei)線(xian)(xian)性(xing)(xing)(xing)(xing)數據(ju)集進行有效降(jiang)(jiang)維(wei)(wei)(wei)(wei)的(de)同時，既解(jie)決(jue)了(le)“樣(yang)本(ben)外(wai)問(wen)題”，又提高了(le)降(jiang)(jiang)維(wei)(wei)(wei)(wei)后數據(ju)的(de)匹配(pei)準確率(lv)。

技術實現要素：

本申請實(shi)施例提供了一種數據處(chu)理(li)方法(fa)以及設備(bei)，用于對兩張圖像使用多種降維(wei)算法(fa)進行處(chu)理(li)，并通(tong)過加(jia)權(quan)計算得到更準確、性能(neng)更優的綜(zong)合相似性分(fen)數。

有(you)鑒于此，本申請(qing)第一方面提(ti)(ti)供(gong)了(le)一種數(shu)據處理方法，該(gai)(gai)方法包括：獲取第一圖(tu)像X和第二圖(tu)像Y；提(ti)(ti)取該(gai)(gai)X和該(gai)(gai)Y的(de)Q個數(shu)據特征，分(fen)別(bie)生(sheng)成大(da)小(xiao)均(jun)為(wei)1*Q的(de)矩(ju)(ju)陣Xq和矩(ju)(ju)陣Yq；分(fen)別(bie)使用(yong)N種降(jiang)維算法對(dui)該(gai)(gai)矩(ju)(ju)陣Xq和該(gai)(gai)矩(ju)(ju)陣Yq進行(xing)降(jiang)維處理，分(fen)別(bie)得(de)到(dao)大(da)小(xiao)均(jun)為(wei)1*P的(de)矩(ju)(ju)陣Xp(i)和矩(ju)(ju)陣Yp(i)，其中，該(gai)(gai)P小(xiao)于該(gai)(gai)Q，該(gai)(gai)N為(wei)大(da)于等于2的(de)整數(shu)；計算該(gai)(gai)矩(ju)(ju)陣Xp(i)和該(gai)(gai)矩(ju)(ju)陣Yp(i)的(de)相關(guan)參數(shu)score[(Xp(i)，Yp(i)]；使用(yong)預(yu)設的(de)加權(quan)參數(shu)對(dui)該(gai)(gai)score[Xp(i)，Yp(i)]進行(xing)加權(quan)運算，得(de)到(dao)綜合相關(guan)參數(shu)score[mix(Xp，Yp)]，i∈{1，2，……，N}；若(ruo)該(gai)(gai)score[mix(Xp，Yp)]在(zai)預(yu)設范圍內(nei)，則確(que)定該(gai)(gai)X和該(gai)(gai)Y均(jun)指(zhi)示(shi)同(tong)一個對(dui)象(xiang)，若(ruo)不(bu)在(zai)預(yu)設范圍內(nei)，則確(que)定該(gai)(gai)X和該(gai)(gai)Y指(zhi)示(shi)不(bu)同(tong)的(de)對(dui)象(xiang)。

結合本申(shen)請的(de)第(di)一方面，本申(shen)請的(de)第(di)一方面的(de)第(di)一種(zhong)實施方式，包括(kuo)：使用預(yu)設(she)的(de)加權(quan)參數(shu)ki，該(gai)(gai)d為常數(shu)，對(dui)該(gai)(gai)score[Xp(i)，Yp(i)]進行加權(quan)運算，得到該(gai)(gai)該(gai)(gai)a和該(gai)(gai)b均為預(yu)設(she)常數(shu)，該(gai)(gai)a不(bu)等(deng)于0，i∈{1，2，……，N}。

結合本(ben)申請實(shi)(shi)施例的第一(yi)(yi)方面(mian)的第一(yi)(yi)種(zhong)實(shi)(shi)施方式(shi)，本(ben)申請實(shi)(shi)施例的第一(yi)(yi)方面(mian)的第二種(zhong)實(shi)(shi)施方式(shi)，包(bao)括(kuo)：使(shi)用預設的加權參數ki，對該score[Xp(i)，Yp(i)]進(jin)行加權運算，得(de)到該

結合(he)本(ben)(ben)申(shen)請實(shi)施例(li)的(de)第(di)一(yi)方面的(de)第(di)一(yi)種實(shi)施方式(shi)，本(ben)(ben)申(shen)請實(shi)施例(li)的(de)第(di)一(yi)方面的(de)第(di)三種實(shi)施方式(shi)，包括：使用預設的(de)加權參(can)數ki，對該(gai)score[Xp(i)，Yp(i)]進行加權，得到

結合(he)本申(shen)請(qing)(qing)實(shi)施例的(de)第一(yi)(yi)方(fang)(fang)(fang)面(mian)、第一(yi)(yi)方(fang)(fang)(fang)面(mian)的(de)第一(yi)(yi)種(zhong)(zhong)實(shi)施方(fang)(fang)(fang)式(shi)、第一(yi)(yi)方(fang)(fang)(fang)面(mian)的(de)第二(er)種(zhong)(zhong)實(shi)施方(fang)(fang)(fang)式(shi)、第一(yi)(yi)方(fang)(fang)(fang)面(mian)的(de)第三(san)種(zhong)(zhong)實(shi)施方(fang)(fang)(fang)式(shi)，本申(shen)請(qing)(qing)實(shi)施例的(de)第一(yi)(yi)方(fang)(fang)(fang)面(mian)的(de)第四種(zhong)(zhong)實(shi)施方(fang)(fang)(fang)式(shi)，包括：分別使用局部保(bao)持(chi)投影(ying)LPP和近(jin)鄰保(bao)持(chi)嵌(qian)入(ru)NPE對(dui)該矩(ju)陣Xq和該矩(ju)陣Yq進行降維處理(li)，分別得(de)到(dao)大小(xiao)均為1*P的(de)矩(ju)陣Xp(LPP)和矩(ju)陣Yp(NPE)，其(qi)中，該P小(xiao)于該Q。

本申(shen)請(qing)第二方面提供了一(yi)種(zhong)設備，包括：獲取(qu)(qu)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)獲取(qu)(qu)第一(yi)圖像(xiang)(xiang)X和(he)(he)第二圖像(xiang)(xiang)Y；提取(qu)(qu)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)提取(qu)(qu)該(gai)(gai)(gai)獲取(qu)(qu)模(mo)塊(kuai)(kuai)(kuai)(kuai)獲取(qu)(qu)的(de)該(gai)(gai)(gai)X和(he)(he)該(gai)(gai)(gai)Y的(de)Q個數(shu)(shu)據特(te)征，分別生成大小(xiao)均(jun)為(wei)1*Q的(de)矩陣(zhen)(zhen)(zhen)Xq和(he)(he)矩陣(zhen)(zhen)(zhen)Yq；降維(wei)(wei)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)分別使用(yong)N種(zhong)降維(wei)(wei)算(suan)(suan)法對(dui)(dui)該(gai)(gai)(gai)提取(qu)(qu)模(mo)塊(kuai)(kuai)(kuai)(kuai)提取(qu)(qu)并生成的(de)該(gai)(gai)(gai)矩陣(zhen)(zhen)(zhen)Xq和(he)(he)該(gai)(gai)(gai)矩陣(zhen)(zhen)(zhen)Yq進行降維(wei)(wei)處理(li)，分別得(de)到大小(xiao)均(jun)為(wei)1*P的(de)矩陣(zhen)(zhen)(zhen)Xp(i)和(he)(he)矩陣(zhen)(zhen)(zhen)Yp(i)，其中，該(gai)(gai)(gai)P小(xiao)于(yu)該(gai)(gai)(gai)Q，該(gai)(gai)(gai)N為(wei)大于(yu)等于(yu)2的(de)整(zheng)數(shu)(shu)；計(ji)算(suan)(suan)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)計(ji)算(suan)(suan)該(gai)(gai)(gai)降維(wei)(wei)模(mo)塊(kuai)(kuai)(kuai)(kuai)降維(wei)(wei)后的(de)該(gai)(gai)(gai)矩陣(zhen)(zhen)(zhen)Xp(i)和(he)(he)該(gai)(gai)(gai)矩陣(zhen)(zhen)(zhen)Yp(i)的(de)相關參(can)數(shu)(shu)score[(Xp(i)，Yp(i)]；加(jia)權(quan)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)使用(yong)預(yu)設的(de)加(jia)權(quan)參(can)數(shu)(shu)對(dui)(dui)該(gai)(gai)(gai)計(ji)算(suan)(suan)模(mo)塊(kuai)(kuai)(kuai)(kuai)計(ji)算(suan)(suan)得(de)到的(de)該(gai)(gai)(gai)score[Xp(i)，Yp(i)]進行加(jia)權(quan)運算(suan)(suan)，得(de)到綜合(he)相關參(can)數(shu)(shu)score[mix(Xp，Yp)]，i∈{1，2，……，N}；確(que)定(ding)模(mo)塊(kuai)(kuai)(kuai)(kuai)，用(yong)于(yu)若(ruo)該(gai)(gai)(gai)加(jia)權(quan)模(mo)塊(kuai)(kuai)(kuai)(kuai)加(jia)權(quan)得(de)到的(de)該(gai)(gai)(gai)score[mix(Xp，Yp)]在(zai)預(yu)設范圍內(nei)，則確(que)定(ding)該(gai)(gai)(gai)X和(he)(he)該(gai)(gai)(gai)Y均(jun)指示同一(yi)個對(dui)(dui)象(xiang)，若(ruo)不在(zai)預(yu)設范圍內(nei)，則確(que)定(ding)該(gai)(gai)(gai)X和(he)(he)該(gai)(gai)(gai)Y指示不同的(de)對(dui)(dui)象(xiang)。

結(jie)合本申(shen)請(qing)的(de)(de)第(di)二方(fang)面，本申(shen)請(qing)的(de)(de)第(di)二方(fang)面的(de)(de)第(di)一種實(shi)施方(fang)式，包括：加(jia)權(quan)子模(mo)塊(kuai)，用(yong)于使用(yong)預(yu)設(she)的(de)(de)加(jia)權(quan)參數ki，該(gai)(gai)d為常數，對(dui)該(gai)(gai)計(ji)算模(mo)塊(kuai)計(ji)算得到(dao)的(de)(de)該(gai)(gai)score[Xp(i)，Yp(i)]進行(xing)加(jia)權(quan)運算，得到(dao)該(gai)(gai)該(gai)(gai)a和(he)該(gai)(gai)b均為預(yu)設(she)常數，該(gai)(gai)a不(bu)等于0，i∈{1，2，……，N}。

結合(he)本申請實施(shi)例(li)(li)的(de)第(di)二方(fang)面(mian)的(de)第(di)一種實施(shi)方(fang)式(shi)，本申請實施(shi)例(li)(li)的(de)第(di)二方(fang)面(mian)的(de)第(di)二種實施(shi)方(fang)式(shi)，包括：加權單元，用于使(shi)用預(yu)設的(de)加權參數ki，對(dui)該(gai)計算模塊計算得到的(de)該(gai)score[Xp(i)，Yp(i)]進行加權運算，得到該(gai)

結合本(ben)(ben)申請實(shi)(shi)施(shi)例的(de)第(di)二方(fang)面的(de)第(di)一種實(shi)(shi)施(shi)方(fang)式，本(ben)(ben)申請實(shi)(shi)施(shi)例的(de)第(di)二方(fang)面的(de)第(di)三種實(shi)(shi)施(shi)方(fang)式，包括(kuo)：加權(quan)子單元，用于(yu)使用預設(she)的(de)加權(quan)參數ki，對該計算(suan)模塊計算(suan)得到的(de)該score[Xp(i)，Yp(i)]進行加權(quan)，得到

結(jie)合本(ben)申(shen)(shen)請實(shi)施(shi)(shi)例(li)的(de)(de)(de)第(di)二(er)方(fang)面(mian)(mian)、第(di)二(er)方(fang)面(mian)(mian)的(de)(de)(de)第(di)一種實(shi)施(shi)(shi)例(li)、第(di)二(er)方(fang)面(mian)(mian)的(de)(de)(de)第(di)二(er)種實(shi)施(shi)(shi)例(li)、第(di)二(er)方(fang)面(mian)(mian)的(de)(de)(de)第(di)三(san)種實(shi)施(shi)(shi)例(li)，本(ben)申(shen)(shen)請實(shi)施(shi)(shi)例(li)的(de)(de)(de)第(di)二(er)方(fang)面(mian)(mian)的(de)(de)(de)第(di)四種實(shi)施(shi)(shi)方(fang)式，包括：降維(wei)子模(mo)塊(kuai)，用(yong)于(yu)分別使用(yong)局(ju)部保持投(tou)影LPP和近鄰保持嵌入NPE對該(gai)(gai)提取模(mo)塊(kuai)提取并生成的(de)(de)(de)該(gai)(gai)矩(ju)(ju)陣(zhen)Xq和該(gai)(gai)矩(ju)(ju)陣(zhen)Yq進行降維(wei)處理，分別得到大小(xiao)均為(wei)1*P的(de)(de)(de)矩(ju)(ju)陣(zhen)Xp(LPP)和矩(ju)(ju)陣(zhen)Yp(NPE)，其(qi)中，該(gai)(gai)P小(xiao)于(yu)該(gai)(gai)Q。

從以上(shang)技術方案(an)可以看出，本申請實施例具有以下優(you)點：

由(you)于獲(huo)取第一(yi)圖(tu)像X和(he)(he)第二圖(tu)像Y，提取該(gai)X和(he)(he)該(gai)Y的(de)Q個數(shu)據(ju)特征，分別(bie)生成大(da)小(xiao)(xiao)均為1*Q的(de)矩(ju)陣(zhen)Xq和(he)(he)矩(ju)陣(zhen)Yq，分別(bie)使(shi)用N種(zhong)降維算(suan)法(fa)對(dui)該(gai)矩(ju)陣(zhen)Xq和(he)(he)該(gai)矩(ju)陣(zhen)Yq進行降維處理，分別(bie)得(de)到大(da)小(xiao)(xiao)均為1*P的(de)矩(ju)陣(zhen)Xp(i)和(he)(he)矩(ju)陣(zhen)Yp(i)，其(qi)中，該(gai)P小(xiao)(xiao)于該(gai)Q，該(gai)N為大(da)于等(deng)于2的(de)整數(shu)，計(ji)算(suan)該(gai)矩(ju)陣(zhen)Xp(i)和(he)(he)該(gai)矩(ju)陣(zhen)Yp(i)的(de)相(xiang)關參數(shu)score[(Xp(i)，Yp(i)]，使(shi)用預設(she)的(de)加(jia)權參數(shu)對(dui)該(gai)score[Xp(i)，Yp(i)]進行加(jia)權運算(suan)，得(de)到綜合(he)相(xiang)關參數(shu)score[mix(Xp，Yp)]，i∈{1，2，……，N}，若該(gai)score[mix(Xp，Yp)]在(zai)預設(she)范圍內(nei)，則(ze)確(que)定該(gai)X和(he)(he)該(gai)Y均指示同一(yi)個對(dui)象，若不在(zai)預設(she)范圍內(nei)，則(ze)確(que)定該(gai)X和(he)(he)該(gai)Y指示不同的(de)對(dui)象，通過(guo)實驗數(shu)據(ju)證明，該(gai)score[mix(Xp，Yp)]作(zuo)為該(gai)第一(yi)圖(tu)像和(he)(he)該(gai)第二圖(tu)像的(de)綜合(he)相(xiang)關參數(shu)時，匹配準確(que)率(lv)更高，各(ge)性(xing)能(neng)參數(shu)更優(you)。

附圖說明

圖1為本申請實施例(li)中一種數據處理(li)方法的一個實施例(li)示意圖；

圖(tu)2為本申(shen)請實施(shi)例(li)中一種(zhong)設(she)備的一個實施(shi)例(li)示意圖(tu)。

具體實施方式

本申請實施例提供(gong)了一種(zhong)數據處(chu)理(li)方法(fa)以及設備(bei)，用于對兩張(zhang)圖像(xiang)使用多種(zhong)降維算(suan)法(fa)進行處(chu)理(li)，并通過加權計算(suan)得到更準確、性(xing)能更優的綜合相(xiang)似性(xing)分(fen)數。

為了使本技術(shu)(shu)領域(yu)的(de)人員更好地理解本發(fa)(fa)(fa)明(ming)實(shi)施(shi)例(li)(li)(li)(li)方(fang)案，下面(mian)將結合本發(fa)(fa)(fa)明(ming)實(shi)施(shi)例(li)(li)(li)(li)中(zhong)(zhong)的(de)附(fu)圖，對本發(fa)(fa)(fa)明(ming)實(shi)施(shi)例(li)(li)(li)(li)中(zhong)(zhong)的(de)技術(shu)(shu)方(fang)案進行清楚、完(wan)整地描述，顯然，所描述的(de)實(shi)施(shi)例(li)(li)(li)(li)僅僅是(shi)本發(fa)(fa)(fa)明(ming)一部分(fen)的(de)實(shi)施(shi)例(li)(li)(li)(li)，而不是(shi)全部的(de)實(shi)施(shi)例(li)(li)(li)(li)。基于(yu)本發(fa)(fa)(fa)明(ming)中(zhong)(zhong)的(de)實(shi)施(shi)例(li)(li)(li)(li)，本領域(yu)普通技術(shu)(shu)人員在沒有(you)做出創造性(xing)勞動前提下所獲得(de)的(de)所有(you)其他(ta)實(shi)施(shi)例(li)(li)(li)(li)，都應(ying)當屬(shu)于(yu)本發(fa)(fa)(fa)明(ming)保(bao)護的(de)范圍(wei)。

本發明的(de)(de)(de)說明書和權利要求書及上(shang)述(shu)(shu)(shu)附(fu)圖(tu)中的(de)(de)(de)術語“第(di)(di)一”、“第(di)(di)二(er)”、“第(di)(di)三”、“第(di)(di)四”等(deng)(如(ru)果存在(zai))是(shi)用(yong)于(yu)(yu)區別類(lei)似的(de)(de)(de)對(dui)象，而不(bu)必(bi)用(yong)于(yu)(yu)描(miao)述(shu)(shu)(shu)特(te)定的(de)(de)(de)順序或(huo)(huo)先后(hou)次序。應(ying)該(gai)理解(jie)這樣使用(yong)的(de)(de)(de)數據在(zai)適當(dang)情(qing)況下可(ke)(ke)以(yi)(yi)(yi)互(hu)換，以(yi)(yi)(yi)便這里描(miao)述(shu)(shu)(shu)的(de)(de)(de)實(shi)施(shi)例能(neng)夠以(yi)(yi)(yi)除(chu)了在(zai)這里圖(tu)示或(huo)(huo)描(miao)述(shu)(shu)(shu)的(de)(de)(de)內(nei)容以(yi)(yi)(yi)外(wai)的(de)(de)(de)順序實(shi)施(shi)。此(ci)外(wai)，術語“包括(kuo)”和“具有(you)”以(yi)(yi)(yi)及他們的(de)(de)(de)任何變形(xing)，意圖(tu)在(zai)于(yu)(yu)覆蓋不(bu)排他的(de)(de)(de)包含，例如(ru)，包含了一系(xi)列步驟(zou)或(huo)(huo)單元的(de)(de)(de)過程(cheng)、方(fang)法(fa)、系(xi)統、產品或(huo)(huo)設(she)備(bei)不(bu)必(bi)限(xian)于(yu)(yu)清楚(chu)地列出(chu)的(de)(de)(de)那些步驟(zou)或(huo)(huo)單元，而是(shi)可(ke)(ke)包括(kuo)沒有(you)清楚(chu)地列出(chu)的(de)(de)(de)或(huo)(huo)對(dui)于(yu)(yu)這些過程(cheng)、方(fang)法(fa)、產品或(huo)(huo)設(she)備(bei)固有(you)的(de)(de)(de)其它步驟(zou)或(huo)(huo)單元。

隨著時代的快速發展，越(yue)來越(yue)多技術(shu)的數(shu)(shu)(shu)(shu)據(ju)(ju)呈(cheng)現出高(gao)維(wei)(wei)的數(shu)(shu)(shu)(shu)據(ju)(ju)特征，如航天(tian)遙(yao)感(gan)數(shu)(shu)(shu)(shu)據(ju)(ju)、生物數(shu)(shu)(shu)(shu)據(ju)(ju)、網絡(luo)數(shu)(shu)(shu)(shu)據(ju)(ju)以(yi)及金融市場交易數(shu)(shu)(shu)(shu)據(ju)(ju)等(deng)。在對(dui)這些數(shu)(shu)(shu)(shu)據(ju)(ju)進行(xing)處(chu)理時，存在著維(wei)(wei)數(shu)(shu)(shu)(shu)災難(curses of dimensionality)問題(ti)，維(wei)(wei)數(shu)(shu)(shu)(shu)膨(peng)脹給高(gao)維(wei)(wei)數(shu)(shu)(shu)(shu)據(ju)(ju)中模式識別和規則發現帶來極大挑戰，維(wei)(wei)數(shu)(shu)(shu)(shu)災難的處(chu)理難度極大。因(yin)此如何對(dui)數(shu)(shu)(shu)(shu)據(ju)(ju)進行(xing)有效處(chu)理使(shi)其既能夠地克服“維(wei)(wei)數(shu)(shu)(shu)(shu)災難”，又能夠獲得數(shu)(shu)(shu)(shu)據(ju)(ju)的緊致表(biao)示是(shi)高(gao)維(wei)(wei)信息(xi)處(chu)理研究的重要問題(ti)。

當下(xia)的(de)(de)(de)數據(ju)(ju)降(jiang)(jiang)(jiang)(jiang)維(wei)技(ji)術主(zhu)要(yao)包(bao)括線性降(jiang)(jiang)(jiang)(jiang)維(wei)技(ji)術(如(ru)PCA、LDA)與非(fei)(fei)線性降(jiang)(jiang)(jiang)(jiang)維(wei)技(ji)術(如(ru)ISOMAP、LLE、Laplacian Eigenmap等(deng)(deng))。現實生活中要(yao)處(chu)理的(de)(de)(de)數據(ju)(ju)集(ji)一般為高維(wei)的(de)(de)(de)非(fei)(fei)線性數據(ju)(ju)，一些有(you)效的(de)(de)(de)非(fei)(fei)線性降(jiang)(jiang)(jiang)(jiang)維(wei)方(fang)(fang)法(fa)，如(ru)多維(wei)尺度方(fang)(fang)法(fa)(MDS)、等(deng)(deng)距映(ying)射(she)(ISOMAP)方(fang)(fang)法(fa)、局(ju)部(bu)線性嵌(qian)入方(fang)(fang)法(fa)(LLE)、拉(la)普(pu)拉(la)斯(si)特(te)征映(ying)射(she)(LE)方(fang)(fang)法(fa)等(deng)(deng)，并在實際處(chu)理中獲得了較為成功的(de)(de)(de)應(ying)用。還有(you)一些非(fei)(fei)線性降(jiang)(jiang)(jiang)(jiang)維(wei)技(ji)術能夠提供明(ming)確的(de)(de)(de)投影矩陣，并能將其(qi)應(ying)用于樣本(ben)外(wai)(wai)數據(ju)(ju)，以(yi)解決樣本(ben)外(wai)(wai)問題的(de)(de)(de)非(fei)(fei)線性降(jiang)(jiang)(jiang)(jiang)維(wei)算(suan)(suan)法(fa)，如(ru)局(ju)部(bu)保(bao)持投影(Locality Preserving Projection,LPP)、近鄰保(bao)持嵌(qian)入(Neighborhood Preserving Embedding,NPE)、敏感位置(zhi)判別(bie)分析(Locality Sensitive Discriminant Analysis,LSDA)等(deng)(deng)算(suan)(suan)法(fa)。這些算(suan)(suan)法(fa)在對高維(wei)非(fei)(fei)線性數據(ju)(ju)集(ji)進行有(you)效降(jiang)(jiang)(jiang)(jiang)維(wei)的(de)(de)(de)同時，既解決了“樣本(ben)外(wai)(wai)問題”，又提高了降(jiang)(jiang)(jiang)(jiang)維(wei)后數據(ju)(ju)的(de)(de)(de)匹配準確率。

因此，本申請實(shi)施(shi)例(li)的(de)(de)核心(xin)思想(xiang)是(shi)，由于獲取(qu)第(di)一圖(tu)像X和第(di)二圖(tu)像Y，提取(qu)該(gai)X和該(gai)Y的(de)(de)Q個(ge)數據特征，分(fen)別生(sheng)成大(da)小均為(wei)1*Q的(de)(de)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xq和矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yq，分(fen)別使(shi)用(yong)N種降(jiang)維算法對(dui)該(gai)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xq和該(gai)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yq進行降(jiang)維處理，分(fen)別得到大(da)小均為(wei)1*P的(de)(de)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xp(i)和矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yp(i)，其(qi)中(zhong)，該(gai)P小于該(gai)Q，該(gai)N為(wei)大(da)于等于2的(de)(de)整數，計(ji)算該(gai)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xp(i)和該(gai)矩(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yp(i)的(de)(de)相關參(can)(can)數score[(Xp(i)，Yp(i)]，使(shi)用(yong)預設的(de)(de)加權參(can)(can)數對(dui)該(gai)score[Xp(i)，Yp(i)]進行加權運算，得到綜(zong)合相關參(can)(can)數score[mix(Xp，Yp)]，i∈{1，2，……，N}，若該(gai)score[mix(Xp，Yp)]在預設范(fan)圍內(nei)，則確定該(gai)X和該(gai)Y均指(zhi)示同(tong)一個(ge)對(dui)象，若不(bu)在預設范(fan)圍內(nei)，則確定該(gai)X和該(gai)Y指(zhi)示不(bu)同(tong)的(de)(de)對(dui)象，通過實(shi)驗數據證明(ming)，該(gai)score[mix(Xp，Yp)]作為(wei)該(gai)第(di)一圖(tu)像和該(gai)第(di)二圖(tu)像的(de)(de)綜(zong)合相關參(can)(can)數時，匹配準確率更(geng)高，各性(xing)能參(can)(can)數更(geng)優(you)。

為便于理解，下面對本(ben)申(shen)請實施(shi)(shi)例(li)中的具體(ti)流程進行描述，請參(can)閱圖(tu)1，本(ben)申(shen)請實施(shi)(shi)例(li)中一種數據處理方法一個實施(shi)(shi)例(li)包括：

101、獲(huo)取第(di)一圖(tu)像X和第(di)二(er)圖(tu)像Y。

在一些可(ke)行(xing)的(de)(de)(de)(de)(de)(de)實(shi)施例(li)(li)(li)中，該第(di)一圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)X和第(di)二圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)Y可(ke)以(yi)(yi)是人(ren)臉圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)，可(ke)以(yi)(yi)是指紋圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)，也可(ke)以(yi)(yi)是視網膜圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)，或(huo)者其他用(yong)于(yu)指示不(bu)(bu)同(tong)(tong)對(dui)象的(de)(de)(de)(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)，此(ci)處不(bu)(bu)作限(xian)定。在一些可(ke)行(xing)的(de)(de)(de)(de)(de)(de)實(shi)施例(li)(li)(li)中，以(yi)(yi)上所(suo)稱(cheng)對(dui)象，可(ke)以(yi)(yi)是指人(ren)，即不(bu)(bu)同(tong)(tong)的(de)(de)(de)(de)(de)(de)指紋圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)或(huo)者人(ren)臉圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)指示的(de)(de)(de)(de)(de)(de)相同(tong)(tong)或(huo)者不(bu)(bu)同(tong)(tong)的(de)(de)(de)(de)(de)(de)人(ren)；所(suo)稱(cheng)對(dui)象還(huan)可(ke)以(yi)(yi)是動物(wu)，具體用(yong)于(yu)寵物(wu)的(de)(de)(de)(de)(de)(de)識別(bie)；所(suo)稱(cheng)對(dui)象還(huan)可(ke)以(yi)(yi)是有(you)不(bu)(bu)同(tong)(tong)編號的(de)(de)(de)(de)(de)(de)產品，具體的(de)(de)(de)(de)(de)(de)用(yong)于(yu)辨識產品的(de)(de)(de)(de)(de)(de)合(he)格率；只要(yao)是可(ke)以(yi)(yi)需要(yao)被(bei)辨識的(de)(de)(de)(de)(de)(de)對(dui)象，此(ci)處不(bu)(bu)作限(xian)定。在本(ben)發(fa)明(ming)實(shi)施例(li)(li)(li)中，若無特別(bie)說(shuo)明(ming)，則默認圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)為(wei)用(yong)于(yu)人(ren)臉識別(bie)的(de)(de)(de)(de)(de)(de)人(ren)臉圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)庫為(wei)例(li)(li)(li)進行(xing)說(shuo)明(ming)。需要(yao)說(shuo)明(ming)的(de)(de)(de)(de)(de)(de)是，該人(ren)臉圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)庫中的(de)(de)(de)(de)(de)(de)人(ren)臉圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)可(ke)以(yi)(yi)通(tong)(tong)過(guo)紅外人(ren)臉識別(bie)獲得(de)，也可(ke)以(yi)(yi)通(tong)(tong)過(guo)普通(tong)(tong)的(de)(de)(de)(de)(de)(de)拍(pai)照獲得(de)，此(ci)處不(bu)(bu)作限(xian)定。

以(yi)(yi)(yi)(yi)下以(yi)(yi)(yi)(yi)一(yi)個(ge)(ge)具(ju)體的(de)實施例為例進行說明，獲(huo)取人(ren)(ren)(ren)(ren)臉(lian)(lian)(lian)圖像(xiang)(xiang)(xiang)(xiang)(xiang)庫(ku)，該人(ren)(ren)(ren)(ren)臉(lian)(lian)(lian)圖像(xiang)(xiang)(xiang)(xiang)(xiang)庫(ku)可(ke)以(yi)(yi)(yi)(yi)包括(kuo)10萬張人(ren)(ren)(ren)(ren)臉(lian)(lian)(lian)圖像(xiang)(xiang)(xiang)(xiang)(xiang)，分別對(dui)應1500個(ge)(ge)人(ren)(ren)(ren)(ren)，每個(ge)(ge)人(ren)(ren)(ren)(ren)可(ke)以(yi)(yi)(yi)(yi)對(dui)應一(yi)張或幾張人(ren)(ren)(ren)(ren)臉(lian)(lian)(lian)圖像(xiang)(xiang)(xiang)(xiang)(xiang)，其(qi)中圖像(xiang)(xiang)(xiang)(xiang)(xiang)X和圖像(xiang)(xiang)(xiang)(xiang)(xiang)Y分別是該10萬張人(ren)(ren)(ren)(ren)臉(lian)(lian)(lian)圖像(xiang)(xiang)(xiang)(xiang)(xiang)之一(yi)，則圖像(xiang)(xiang)(xiang)(xiang)(xiang)X和圖像(xiang)(xiang)(xiang)(xiang)(xiang)Y可(ke)能(neng)指(zhi)示(shi)同(tong)一(yi)個(ge)(ge)人(ren)(ren)(ren)(ren)，也可(ke)能(neng)指(zhi)示(shi)不同(tong)的(de)人(ren)(ren)(ren)(ren)。

102、提(ti)取(qu)該(gai)X和該(gai)Y的Q個數據特征(zheng)，分別生成大小均為1*Q的矩(ju)(ju)陣Xq和矩(ju)(ju)陣Yq。

在(zai)一些(xie)可(ke)行的(de)實(shi)(shi)施例(li)(li)中(zhong)(zhong)(zhong)，當(dang)獲(huo)取了第一圖(tu)像(xiang)(xiang)(xiang)X和第二(er)圖(tu)像(xiang)(xiang)(xiang)Y之后，可(ke)以提(ti)取該第一圖(tu)像(xiang)(xiang)(xiang)X和第二(er)圖(tu)像(xiang)(xiang)(xiang)Y的(de)數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)。在(zai)一些(xie)可(ke)行的(de)實(shi)(shi)施例(li)(li)中(zhong)(zhong)(zhong)，可(ke)以對該人(ren)臉(lian)圖(tu)像(xiang)(xiang)(xiang)庫中(zhong)(zhong)(zhong)的(de)人(ren)臉(lian)圖(tu)像(xiang)(xiang)(xiang)提(ti)取多種數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)的(de)值。具(ju)體的(de)，本發明(ming)實(shi)(shi)施例(li)(li)中(zhong)(zhong)(zhong)，可(ke)以提(ti)取DCP特(te)(te)征(zheng)。該DCP特(te)(te)征(zheng)為(wei)(wei)(wei)從(cong)人(ren)臉(lian)圖(tu)像(xiang)(xiang)(xiang)中(zhong)(zhong)(zhong)提(ti)取的(de)多方(fang)(fang)向多層次的(de)雙(shuang)環模式(Multi-Directional Multi-Level Dual-Cross Patterns，MDML-DCP)特(te)(te)征(zheng)，DCP特(te)(te)征(zheng)是(shi)由人(ren)臉(lian)圖(tu)像(xiang)(xiang)(xiang)獨特(te)(te)的(de)紋理(li)結構啟發而設計(ji)(ji)出的(de)一種人(ren)臉(lian)圖(tu)像(xiang)(xiang)(xiang)描述方(fang)(fang)式，其在(zai)表(biao)情、姿態(tai)變化方(fang)(fang)面(mian)與現有其他技(ji)術(shu)相比較為(wei)(wei)(wei)魯(lu)棒，并且(qie)在(zai)計(ji)(ji)算(suan)方(fang)(fang)面(mian)較為(wei)(wei)(wei)高效(xiao)，其所需的(de)時(shi)間僅比局部(bu)二(er)值特(te)(te)征(zheng)多一倍(bei)。需要(yao)說明(ming)的(de)是(shi)，Q為(wei)(wei)(wei)數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)的(de)個(ge)(ge)數(shu)(shu)，若(ruo)取了一個(ge)(ge)圖(tu)像(xiang)(xiang)(xiang)的(de)Q個(ge)(ge)特(te)(te)征(zheng)，則可(ke)以認為(wei)(wei)(wei)這是(shi)個(ge)(ge)Q維的(de)數(shu)(shu)據(ju)(ju)。如Q個(ge)(ge)數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)的(de)值分別為(wei)(wei)(wei)x1，x2，x3，……xQ，并將該Q個(ge)(ge)數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)生(sheng)成大小為(wei)(wei)(wei)1*Q的(de)矩陣Xq＝(x1，x2，x3，……xQ)，同樣的(de)，可(ke)以提(ti)取Y的(de)Q個(ge)(ge)數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)得到Yq＝(y1，y2，y3，……yQ)。

103、分別(bie)使用N種降維算法對該矩陣Xq和該矩陣Yq進(jin)行(xing)降維處理，分別(bie)得到大(da)小均為1*P的矩陣Xp(i)和矩陣Yp(i)，其(qi)中(zhong)，該P小于該Q，該N為大(da)于等于2的整數。

在(zai)一(yi)些(xie)(xie)可(ke)(ke)行的(de)(de)實施(shi)例中(zhong)，可(ke)(ke)以使用很多有效的(de)(de)非(fei)(fei)線(xian)(xian)性降維(wei)方法(fa)(fa)，如(ru)局部保持投(tou)影(ying)(Locality Preserving Projection,LPP)、近鄰保持嵌入(Neighborhood Preserving Embedding,NPE)、敏感位置判別分析(Locality Sensitive Discriminant Analysis,LSDA)等算法(fa)(fa)。這些(xie)(xie)算法(fa)(fa)在(zai)對(dui)高(gao)(gao)維(wei)非(fei)(fei)線(xian)(xian)性數據(ju)(ju)集(ji)進行有效降維(wei)的(de)(de)同時(shi)，又提高(gao)(gao)了降維(wei)后數據(ju)(ju)的(de)(de)匹配準確率。在(zai)本發明(ming)實施(shi)例中(zhong)，可(ke)(ke)以使用N種降維(wei)算法(fa)(fa)對(dui)該矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xq和該矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yq進行降維(wei)處理，得(de)到大(da)小(xiao)均(jun)為1*P的(de)(de)矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xp(i)和矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yp(i)。如(ru)對(dui)4608維(wei)的(de)(de)數據(ju)(ju)，即大(da)小(xiao)為1*4608的(de)(de)矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xq和矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yq降維(wei)后得(de)到大(da)小(xiao)均(jun)為1*P的(de)(de)矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Xp(i)和矩(ju)(ju)(ju)(ju)陣(zhen)(zhen)(zhen)Yp(i)，i∈{1，2，……，N}。

具體的(de)(de)(de)，在一(yi)些可行的(de)(de)(de)實施例中，當獲取了包含第一(yi)圖(tu)(tu)像(xiang)X和第二圖(tu)(tu)像(xiang)Y并提(ti)取其(qi)數(shu)據特征以(yi)(yi)及生產相(xiang)應的(de)(de)(de)矩(ju)(ju)陣(zhen)(zhen)后，可以(yi)(yi)將(jiang)矩(ju)(ju)陣(zhen)(zhen)Xq和矩(ju)(ju)陣(zhen)(zhen)Yq投影到(dao)相(xiang)應的(de)(de)(de)通過(guo)不同的(de)(de)(de)降(jiang)維算(suan)法得到(dao)的(de)(de)(de)降(jiang)維矩(ju)(ju)陣(zhen)(zhen)中進行降(jiang)維處理，得到(dao)的(de)(de)(de)降(jiang)維后的(de)(de)(de)矩(ju)(ju)陣(zhen)(zhen)中的(de)(de)(de)每一(yi)行都對(dui)應其(qi)中一(yi)個(ge)人臉圖(tu)(tu)像(xiang)的(de)(de)(de)降(jiang)維后的(de)(de)(de)矩(ju)(ju)陣(zhen)(zhen)，如Xq、Yq被(bei)降(jiang)維后得到(dao)Xp、Yp。

具體的，得(de)到與降(jiang)(jiang)維(wei)算(suan)(suan)(suan)法(fa)對(dui)應的降(jiang)(jiang)維(wei)矩陣的算(suan)(suan)(suan)法(fa)如(ru)下。獲取(qu)人(ren)臉(lian)(lian)圖(tu)(tu)像(xiang)庫時，該人(ren)臉(lian)(lian)圖(tu)(tu)像(xiang)庫包(bao)含10萬張人(ren)臉(lian)(lian)圖(tu)(tu)像(xiang)，分別對(dui)應1500個(ge)人(ren)，每個(ge)人(ren)的圖(tu)(tu)像(xiang)張數(shu)有(you)所不(bu)同，該訓(xun)練集用于(yu)分別使用N種(zhong)(zhong)降(jiang)(jiang)維(wei)算(suan)(suan)(suan)法(fa)計算(suan)(suan)(suan)得(de)出(chu)N種(zhong)(zhong)降(jiang)(jiang)維(wei)矩陣。然后將該人(ren)臉(lian)(lian)圖(tu)(tu)像(xiang)庫作為訓(xun)練集訓(xun)練出(chu)與不(bu)同的降(jiang)(jiang)維(wei)算(suan)(suan)(suan)法(fa)的降(jiang)(jiang)維(wei)矩陣。

在一些可行(xing)的(de)(de)(de)(de)(de)實施(shi)例中，N種(zhong)降(jiang)(jiang)(jiang)維(wei)算(suan)法可以(yi)是2種(zhong)，或者2種(zhong)以(yi)上(shang)，為(wei)(wei)(wei)了描述簡潔(jie)，以(yi)下以(yi)兩(liang)種(zhong)降(jiang)(jiang)(jiang)維(wei)算(suan)法為(wei)(wei)(wei)例進(jin)行(xing)說(shuo)明，其中這兩(liang)種(zhong)降(jiang)(jiang)(jiang)維(wei)算(suan)法可以(yi)分(fen)別為(wei)(wei)(wei)LPP和(he)(he)NPE。具(ju)體的(de)(de)(de)(de)(de)，降(jiang)(jiang)(jiang)維(wei)算(suan)法LPP、NPE對DCP特(te)(te)征DCP_train進(jin)行(xing)降(jiang)(jiang)(jiang)維(wei)，具(ju)體可降(jiang)(jiang)(jiang)至P維(wei)，該P小于(yu)(yu)Q。現以(yi)P為(wei)(wei)(wei)500為(wei)(wei)(wei)例對訓練集中的(de)(de)(de)(de)(de)DCP特(te)(te)征降(jiang)(jiang)(jiang)維(wei)為(wei)(wei)(wei)例進(jin)行(xing)說(shuo)明，則對訓練集降(jiang)(jiang)(jiang)維(wei)后產生的(de)(de)(de)(de)(de)關于(yu)(yu)算(suan)法LPP、NPE的(de)(de)(de)(de)(de)降(jiang)(jiang)(jiang)維(wei)矩陣(zhen)分(fen)別為(wei)(wei)(wei)LPP_matrix、NPE_matrix，其大小均(jun)為(wei)(wei)(wei)100000*500。然(ran)后，只(zhi)要將矩陣(zhen)Xq和(he)(he)矩陣(zhen)Yq投影到相應的(de)(de)(de)(de)(de)通過不同的(de)(de)(de)(de)(de)降(jiang)(jiang)(jiang)維(wei)算(suan)法中，即得到的(de)(de)(de)(de)(de)降(jiang)(jiang)(jiang)維(wei)后中矩陣(zhen)Xp和(he)(he)矩陣(zhen)Yp。需要說(shuo)明的(de)(de)(de)(de)(de)是，Xp、Xq、Yp以(yi)及Yq中的(de)(de)(de)(de)(de)p和(he)(he)q的(de)(de)(de)(de)(de)值分(fen)別等于(yu)(yu)P和(he)(he)Q。

在本發(fa)明實施(shi)例(li)中(zhong)，使(shi)用分(fen)別(bie)使(shi)用N種降(jiang)(jiang)維(wei)算法(fa)(fa)對(dui)該矩(ju)(ju)陣Xq和(he)該矩(ju)(ju)陣Yq進行降(jiang)(jiang)維(wei)處(chu)理(li)，分(fen)別(bie)得到(dao)的降(jiang)(jiang)維(wei)矩(ju)(ju)陣可以使(shi)用大小(xiao)均為(wei)1*P的矩(ju)(ju)陣Xp(i)和(he)矩(ju)(ju)陣Yp(i)來表示，其中(zhong)i∈{1，2，……，N}，Xp(i)指的是第i種降(jiang)(jiang)維(wei)算法(fa)(fa)降(jiang)(jiang)維(wei)得到(dao)的維(wei)數為(wei)P維(wei)的圖像(xiang)X的大小(xiao)為(wei)1*P的矩(ju)(ju)陣。

104、計(ji)算(suan)該矩陣(zhen)Xp(i)和該矩陣(zhen)Yp(i)的相關參數score[(Xp(i)，Yp(i)]。

在(zai)一(yi)(yi)些可(ke)行的(de)實施例中，可(ke)將N種降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)算(suan)(suan)法(fa)降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)后的(de)數(shu)據(ju)(ju)矩(ju)陣Xp(i)和該矩(ju)陣Yp(i)，i∈{1，2，……，N}，分別進(jin)行比(bi)對(dui)(dui)，得(de)到(dao)N種降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)算(suan)(suan)法(fa)在(zai)比(bi)對(dui)(dui)過(guo)程(cheng)中得(de)出(chu)的(de)各(ge)個相似性分數(shu)score[(Xp(i)，Yp(i)]。在(zai)此(ci)，對(dui)(dui)使用LPP降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)算(suan)(suan)法(fa)得(de)到(dao)的(de)測試集數(shu)據(ju)(ju)進(jin)行比(bi)對(dui)(dui)為例進(jin)行說明，使用NPE降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)算(suan)(suan)法(fa)或者其(qi)他降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)算(suan)(suan)法(fa)得(de)到(dao)的(de)降(jiang)(jiang)(jiang)(jiang)維(wei)(wei)數(shu)據(ju)(ju)的(de)比(bi)對(dui)(dui)過(guo)程(cheng)與此(ci)一(yi)(yi)致(zhi)，此(ci)處不再贅述。

105、使(shi)用預設(she)的加權參數對該(gai)score[Xp(i)，Yp(i)]進行加權運算，得到綜合相關參數score[mix(Xp，Yp)]，i∈{1，2，……，N}。

在本(ben)發明(ming)實(shi)施例中，可以將(jiang)現有(you)的N種有(you)效的降維(wei)算法進(jin)行(xing)整合，即對(dui)有(you)效的降維(wei)算法進(jin)行(xing)結合使用預設的加(jia)權參(can)數(shu)(shu)對(dui)該score[Xp(i)，Yp(i)]進(jin)行(xing)加(jia)權運算，得(de)(de)到綜(zong)合相關(guan)參(can)數(shu)(shu)score[mix(Xp，Yp)]，i∈{1，2，……，N}，使得(de)(de)高維(wei)數(shu)(shu)據在得(de)(de)到有(you)效降維(wei)后，其在生物識別(bie)等應(ying)用方(fang)面的性(xing)能指(zhi)標也(ye)更(geng)優。

具(ju)體的(de)，使用預(yu)設(she)的(de)加(jia)權參數(shu)(shu)(shu)ki，該(gai)d為(wei)(wei)常數(shu)(shu)(shu)，對(dui)該(gai)score[Xp(i)，Yp(i)]進行(xing)加(jia)權運算，得(de)(de)到該(gai)該(gai)a和(he)該(gai)b均為(wei)(wei)預(yu)設(she)常數(shu)(shu)(shu)，該(gai)a不(bu)等(deng)于(yu)0，i∈{1，2，……，N}。需要說明的(de)是，預(yu)設(she)的(de)加(jia)權參數(shu)(shu)(shu)ki是通過實(shi)驗數(shu)(shu)(shu)據得(de)(de)出的(de)，對(dui)加(jia)權運算的(de)性能提高較(jiao)大的(de)預(yu)設(she)參數(shu)(shu)(shu)。其中a可(ke)以(yi)為(wei)(wei)大于(yu)零或者小于(yu)零，但是不(bu)得(de)(de)等(deng)于(yu)零，也可(ke)以(yi)為(wei)(wei)復數(shu)(shu)(shu)。因為(wei)(wei)若a等(deng)于(yu)零，則該(gai)算式恒等(deng)于(yu)b，則毫無意(yi)義。b則可(ke)以(yi)為(wei)(wei)任何實(shi)數(shu)(shu)(shu)或者復數(shu)(shu)(shu)的(de)常數(shu)(shu)(shu)。

進一(yi)步(bu)的，預設的加權參數可以(yi)為對該score[Xp(i)，Yp(i)]進行加權運算，得(de)到該當時，則可以(yi)得(de)出的數值范圍是score[(Xp(i)，Yp(i)]的a倍相(xiang)同(tong)，則可以(yi)更好(hao)得(de)進行比較(jiao)。

更進一步的(de)，除(chu)了預(yu)設的(de)加權參(can)數(shu)ki滿足(zu)之(zhi)外，a還可以等(deng)于(yu)1和或(huo)/b等(deng)于(yu)，得到的(de)數(shu)值范(fan)圍是score[(Xp(i)，Yp(i)]相同，則可以更好得進行比(bi)較(jiao)。

更(geng)具體的，當使用2種(zhong)降維算法，分別是LPP和(he)NPE時:

score[mix(Xp，Yp)]＝α*score[(Xp(i)，Yp(i)]_NPE+β*score[(Xp(i)，Yp(i)]_LPP

其中α+β＝1，score[mix(Xp，Yp)]是使用結合(he)降維(wei)算(suan)法(fa)LPP和NPE得到(dao)的綜合(he)相似性分數，α、β為不同算(suan)法(fa)所占的比重，即權重系數，其和可(ke)以為1。

106、若(ruo)該(gai)(gai)score[mix(Xp，Yp)]在(zai)預設范(fan)圍內，則確定(ding)該(gai)(gai)X和該(gai)(gai)Y均指(zhi)示同一(yi)個對象(xiang)，若(ruo)不在(zai)預設范(fan)圍內，則確定(ding)該(gai)(gai)X和該(gai)(gai)Y指(zhi)示不同的對象(xiang)。

在另(ling)一些可行(xing)的(de)實施(shi)例中，若中score[(Xp(i)，Yp(i)]的(de)范圍是0-100％，且a＝1，b＝0，則(ze)該預(yu)(yu)設的(de)范圍可以是90％-100％，若得(de)到的(de)score[mix(Xp，Yp)]的(de)范圍是0-100分，該預(yu)(yu)設的(de)范圍可以是90-100分。對(dui)(dui)于不同的(de)得(de)分顯示(shi)，a和(he)b對(dui)(dui)score[mix(Xp，Yp)]有相應(ying)的(de)影響(xiang)，此處(chu)不再(zai)贅述，優選的(de)，為a＝1，b＝0。

若(ruo)該(gai)(gai)score[mix(Xp，Yp)]在(zai)預設范圍內，則確定該(gai)(gai)X和(he)該(gai)(gai)Y均指示(shi)同(tong)一(yi)個對象，在(zai)一(yi)些(xie)可行的實施例中，則指示(shi)該(gai)(gai)X和(he)該(gai)(gai)Y均指示(shi)同(tong)一(yi)個人，否則，該(gai)(gai)X和(he)該(gai)(gai)Y指示(shi)不同(tong)的人。

為了證明本發明實施例(li)中的效(xiao)果(guo)，可以進行如(ru)下的數據實驗：

①準(zhun)備人(ren)(ren)臉(lian)(lian)(lian)圖(tu)(tu)像(xiang)(xiang)(xiang)數(shu)(shu)據(ju)庫(ku)，并將人(ren)(ren)臉(lian)(lian)(lian)圖(tu)(tu)像(xiang)(xiang)(xiang)分為(wei)(wei)(wei)訓練集(ji)(ji)(ji)、測試集(ji)(ji)(ji)，其中(zhong)(zhong)訓練集(ji)(ji)(ji)的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)數(shu)(shu)目遠多于測試集(ji)(ji)(ji)中(zhong)(zhong)的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)數(shu)(shu)目。本(ben)次測試中(zhong)(zhong)用到的(de)(de)(de)人(ren)(ren)臉(lian)(lian)(lian)圖(tu)(tu)像(xiang)(xiang)(xiang)數(shu)(shu)據(ju)庫(ku)為(wei)(wei)(wei)紅(hong)外人(ren)(ren)臉(lian)(lian)(lian)數(shu)(shu)據(ju)庫(ku)，將訓練集(ji)(ji)(ji)定(ding)為(wei)(wei)(wei)faceenroll-std，將測試集(ji)(ji)(ji)定(ding)為(wei)(wei)(wei)Face_Test。具(ju)體來說，人(ren)(ren)臉(lian)(lian)(lian)數(shu)(shu)據(ju)庫(ku)faceenroll-std中(zhong)(zhong)包(bao)(bao)含38225張(zhang)人(ren)(ren)臉(lian)(lian)(lian)圖(tu)(tu)像(xiang)(xiang)(xiang)，這些圖(tu)(tu)像(xiang)(xiang)(xiang)對應(ying)于2892個(ge)人(ren)(ren)，只是每個(ge)人(ren)(ren)的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)張(zhang)數(shu)(shu)有(you)(you)所不同(tong)。同(tong)樣的(de)(de)(de)，人(ren)(ren)臉(lian)(lian)(lian)數(shu)(shu)據(ju)庫(ku)Face_Test中(zhong)(zhong)包(bao)(bao)含2658張(zhang)人(ren)(ren)臉(lian)(lian)(lian)圖(tu)(tu)像(xiang)(xiang)(xiang)，這些圖(tu)(tu)像(xiang)(xiang)(xiang)對應(ying)于252個(ge)人(ren)(ren)，每個(ge)人(ren)(ren)的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)張(zhang)數(shu)(shu)有(you)(you)所不同(tong)。將測試集(ji)(ji)(ji)的(de)(de)(de)人(ren)(ren)臉(lian)(lian)(lian)數(shu)(shu)據(ju)庫(ku)Face_Test分為(wei)(wei)(wei)兩部分Test1、Test2，其中(zhong)(zhong)，Test1的(de)(de)(de)生成過程(cheng)為(wei)(wei)(wei)，將Face_Test按照每個(ge)人(ren)(ren)取出一張(zhang)圖(tu)(tu)像(xiang)(xiang)(xiang)組成252個(ge)人(ren)(ren)的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)數(shu)(shu)據(ju)，并按照從1到252的(de)(de)(de)順(shun)序設定(ding)標簽(qian)變量(liang)X，大小為(wei)(wei)(wei)1×252；而Test2則(ze)由Face_Test中(zhong)(zhong)剩(sheng)下的(de)(de)(de)所有(you)(you)圖(tu)(tu)像(xiang)(xiang)(xiang)組成，則(ze)Test2的(de)(de)(de)圖(tu)(tu)像(xiang)(xiang)(xiang)個(ge)數(shu)(shu)為(wei)(wei)(wei)2406，Test2的(de)(de)(de)標簽(qian)設定(ding)為(wei)(wei)(wei)對應(ying)Test1中(zhong)(zhong)的(de)(de)(de)相同(tong)人(ren)(ren)為(wei)(wei)(wei)同(tong)一標簽(qian)，其標簽(qian)變量(liang)為(wei)(wei)(wei)Y，大小為(wei)(wei)(wei)1×2406。

②特(te)征(zheng)(zheng)(zheng)提取階段(duan)。對訓練集(ji)(ji)(ji)、測試集(ji)(ji)(ji)中的(de)(de)所有人(ren)臉(lian)圖(tu)像生(sheng)(sheng)(sheng)成(cheng)人(ren)臉(lian)圖(tu)像特(te)征(zheng)(zheng)(zheng)，本發明中選用(yong)文獻(xian)[10]中提出的(de)(de)DCP特(te)征(zheng)(zheng)(zheng)，該特(te)征(zheng)(zheng)(zheng)為從人(ren)臉(lian)圖(tu)像中提取的(de)(de)多(duo)方向(xiang)多(duo)層次的(de)(de)雙環模式(Multi-Directional Multi-Level Dual-Cross Patterns，MDML-DCP)特(te)征(zheng)(zheng)(zheng)，DCP特(te)征(zheng)(zheng)(zheng)是(shi)由人(ren)臉(lian)圖(tu)像獨特(te)的(de)(de)紋理(li)結構啟發而(er)設計出的(de)(de)一種(zhong)新穎的(de)(de)人(ren)臉(lian)圖(tu)像描述方式，其(qi)(qi)在(zai)表(biao)情、姿態變化方面特(te)別(bie)魯(lu)棒，并且在(zai)計算方面非常高效，其(qi)(qi)所需的(de)(de)時間僅比局部二值特(te)征(zheng)(zheng)(zheng)多(duo)一倍(bei)。在(zai)測試時，對訓練集(ji)(ji)(ji)生(sheng)(sheng)(sheng)成(cheng)的(de)(de)DCP特(te)征(zheng)(zheng)(zheng)命(ming)名為DCP_train，其(qi)(qi)大(da)(da)小(xiao)為38225×4608，其(qi)(qi)中38225為訓練集(ji)(ji)(ji)中的(de)(de)圖(tu)像個數(shu)，4608為生(sheng)(sheng)(sheng)成(cheng)的(de)(de)DCP特(te)征(zheng)(zheng)(zheng)的(de)(de)維數(shu)。而(er)對測試集(ji)(ji)(ji)而(er)言，對Test1生(sheng)(sheng)(sheng)成(cheng)DCP特(te)征(zheng)(zheng)(zheng)后用(yong)DCP_Test1表(biao)示(shi)，其(qi)(qi)大(da)(da)小(xiao)為252×4608；對Test2生(sheng)(sheng)(sheng)成(cheng)DCP特(te)征(zheng)(zheng)(zheng)后用(yong)DCP_Test2表(biao)示(shi)，其(qi)(qi)大(da)(da)小(xiao)為2406×4608。

③數據(ju)降(jiang)維(wei)階段。使(shi)(shi)用(yong)文獻[8、9]中(zhong)提出的(de)(de)(de)降(jiang)維(wei)算法LPP、NPE對⑵中(zhong)生成(cheng)的(de)(de)(de)DCP特征(zheng)DCP_train進行降(jiang)維(wei)，具體維(wei)數的(de)(de)(de)選擇(ze)可根據(ju)需要而定(ding)。現以500維(wei)為(wei)(wei)例對訓(xun)練集(ji)(ji)中(zhong)的(de)(de)(de)DCP特征(zheng)降(jiang)維(wei)，則對訓(xun)練集(ji)(ji)降(jiang)維(wei)后產(chan)生的(de)(de)(de)關(guan)于算法LPP、NPE的(de)(de)(de)降(jiang)維(wei)矩陣(zhen)分別為(wei)(wei)LPP_matrix、NPE_matrix，其大(da)小均(jun)為(wei)(wei)4608×500。將測(ce)(ce)試(shi)集(ji)(ji)上(shang)的(de)(de)(de)DCP特征(zheng)的(de)(de)(de)數據(ju)投影到該降(jiang)維(wei)矩陣(zhen)上(shang)，得到降(jiang)維(wei)后的(de)(de)(de)測(ce)(ce)試(shi)數據(ju)DCP_Test1_LPP_500、DCP_Test2_LPP_500、DCP_Test1_NPE_500、DCP_Test2_NPE_500，其中(zhong)DCP_Test1_LPP_500、DCP_Test2_LPP_500是測(ce)(ce)試(shi)集(ji)(ji)使(shi)(shi)用(yong)降(jiang)維(wei)矩陣(zhen)LPP_matrix得到的(de)(de)(de)結果(guo)，DCP_Test1_NPE_500、DCP_Test2_NPE_500測(ce)(ce)試(shi)集(ji)(ji)使(shi)(shi)用(yong)降(jiang)維(wei)矩陣(zhen)NPE_matrix得到的(de)(de)(de)結果(guo)。具體過(guo)程為(wei)(wei)：

DCP_Test1_LPP_500＝DCP_Test1×LPP_matrix (1)

DCP_Test2_LPP_500＝DCP_Test2×LPP_matrix (2)

DCP_Test1_NPE_500＝DCP_Test1×NPE_matrix (3)

DCP_Test2_NPE_500＝DCP_Test2×NPE_matrix (4)

④降維(wei)算(suan)法(fa)(fa)的(de)(de)結合使(shi)(shi)用(yong)階段。首先將使(shi)(shi)用(yong)兩種(zhong)降維(wei)算(suan)法(fa)(fa)降維(wei)后的(de)(de)數(shu)(shu)據(ju)合并(bing)在(zai)一起。然(ran)后對(dui)使(shi)(shi)用(yong)不(bu)同降維(wei)算(suan)法(fa)(fa)得到的(de)(de)測試(shi)集(ji)的(de)(de)數(shu)(shu)據(ju)分(fen)(fen)別進行比(bi)對(dui)。最(zui)后將兩個算(suan)法(fa)(fa)在(zai)比(bi)對(dui)過(guo)程中得出(chu)的(de)(de)兩個相(xiang)似性分(fen)(fen)數(shu)(shu)加(jia)(jia)權(quan)相(xiang)加(jia)(jia)得到最(zui)后的(de)(de)相(xiang)似性分(fen)(fen)數(shu)(shu)。

對(dui)(dui)(dui)(dui)(dui)使(shi)用LPP降(jiang)維(wei)(wei)算法(fa)得(de)(de)到(dao)(dao)(dao)的(de)(de)(de)測試集數(shu)據進行(xing)(xing)(xing)比(bi)對(dui)(dui)(dui)(dui)(dui)，使(shi)用NPE降(jiang)維(wei)(wei)算法(fa)得(de)(de)到(dao)(dao)(dao)的(de)(de)(de)降(jiang)維(wei)(wei)數(shu)據的(de)(de)(de)比(bi)對(dui)(dui)(dui)(dui)(dui)過程與(yu)此一致。具體的(de)(de)(de)比(bi)對(dui)(dui)(dui)(dui)(dui)過程為(wei)(wei)：對(dui)(dui)(dui)(dui)(dui)DCP_Test1_LPP_500與(yu)DCP_Test2_LPP_500采(cai)用余(yu)弦(xian)距(ju)(ju)離(li)(li)(li)進行(xing)(xing)(xing)匹配識別(bie)，將(jiang)Test2中(zhong)的(de)(de)(de)每(mei)幅(fu)(fu)(fu)圖像(xiang)(xiang)與(yu)Test1中(zhong)的(de)(de)(de)每(mei)幅(fu)(fu)(fu)圖像(xiang)(xiang)進行(xing)(xing)(xing)比(bi)對(dui)(dui)(dui)(dui)(dui)，若(ruo)Test2對(dui)(dui)(dui)(dui)(dui)應的(de)(de)(de)特征(zheng)DCP_Test2_LPP_500與(yu)Test1中(zhong)的(de)(de)(de)某一幅(fu)(fu)(fu)圖像(xiang)(xiang)的(de)(de)(de)特征(zheng)的(de)(de)(de)距(ju)(ju)離(li)(li)(li)d最(zui)小，則將(jiang)其標(biao)簽(qian)標(biao)定為(wei)(wei)Test1中(zhong)該圖像(xiang)(xiang)對(dui)(dui)(dui)(dui)(dui)應的(de)(de)(de)標(biao)簽(qian)。這樣該過程得(de)(de)到(dao)(dao)(dao)的(de)(de)(de)標(biao)簽(qian)為(wei)(wei)label，其大(da)(da)(da)小為(wei)(wei)1×2406，比(bi)對(dui)(dui)(dui)(dui)(dui)過程中(zhong)的(de)(de)(de)距(ju)(ju)離(li)(li)(li)變量為(wei)(wei)d，大(da)(da)(da)小為(wei)(wei)252×2406。在對(dui)(dui)(dui)(dui)(dui)Test2中(zhong)的(de)(de)(de)每(mei)幅(fu)(fu)(fu)圖像(xiang)(xiang)進行(xing)(xing)(xing)比(bi)對(dui)(dui)(dui)(dui)(dui)的(de)(de)(de)過程中(zhong)，對(dui)(dui)(dui)(dui)(dui)距(ju)(ju)離(li)(li)(li)d按行(xing)(xing)(xing)取(qu)(qu)平(ping)均(jun)值，得(de)(de)到(dao)(dao)(dao)均(jun)值變量MM，大(da)(da)(da)小為(wei)(wei)252×2406；對(dui)(dui)(dui)(dui)(dui)距(ju)(ju)離(li)(li)(li)d取(qu)(qu)中(zhong)值得(de)(de)到(dao)(dao)(dao)中(zhong)值變量ME，大(da)(da)(da)小為(wei)(wei)252×1；對(dui)(dui)(dui)(dui)(dui)距(ju)(ju)離(li)(li)(li)d取(qu)(qu)最(zui)小值得(de)(de)到(dao)(dao)(dao)最(zui)小值變量AA，大(da)(da)(da)小為(wei)(wei)252×1。在ME、AA中(zhong)分別(bie)取(qu)(qu)中(zhong)值、最(zui)小值得(de)(de)到(dao)(dao)(dao)最(zui)終(zhong)的(de)(de)(de)中(zhong)值mid_c與(yu)最(zui)終(zhong)的(de)(de)(de)最(zui)小值min_a。則相(xiang)似性分數(shu)score的(de)(de)(de)計算公式

score(i,j)＝round(100*(mid_c-MM(i,j))/(mid_c-min_a)) (5)

其中(zhong)round為按(an)照四舍五入進行取整的(de)(de)函(han)數。則按(an)照上述方式(shi)得到的(de)(de)關于使用LPP、NPE降維算法后的(de)(de)相(xiang)似性分(fen)數分(fen)別為score_lpp、score_npe。

接下來將不(bu)同(tong)算法得到的相似性分數(shu)進(jin)行加權相加，具(ju)體如下：

score_mix＝alpha×score_npe+beta×score_lpp (6)

其(qi)中beta+alpha＝1，score_mix是使(shi)用結合型(xing)降維算(suan)(suan)法得到的相似(si)性分(fen)數，alpha、beta為(wei)(wei)不同算(suan)(suan)法所占的比(bi)重，即權重系(xi)數，其(qi)和為(wei)(wei)1.

⑤性能評估階段。

對⑷中(zhong)得(de)到的標(biao)簽label與(yu)⑴中(zhong)人(ren)工設置的標(biao)簽Y進行一一比對，從而計算降維后的匹配準確(que)率，其計算公式為：

Test_accuracy＝100×(1-sum(label～＝Y)/length(Y)) (7)

對(dui)(dui)使用(yong)LPP、NPE以及結合算法的(de)降維數(shu)(shu)據，測試其在識別方(fang)面的(de)性(xing)能，即測試FAR、FRR等性(xing)能。眾所周知，FRR和(he)FAR是用(yong)來評估識別算法性(xing)能的(de)兩個(ge)主要參數(shu)(shu)。FAR和(he)FRR是同(tong)一(yi)個(ge)算法系(xi)統的(de)兩個(ge)參數(shu)(shu)，FAR是隨(sui)閾(yu)值增(zeng)大而減小(xiao)的(de)，FRR是隨(sui)閾(yu)值增(zeng)大而增(zeng)大的(de)。因此(ci)它們一(yi)定有交點，記為EER。這個(ge)點是在某(mou)個(ge)閾(yu)值下(xia)的(de)FAR與FRR等值的(de)點。習慣上用(yong)這一(yi)點的(de)值來衡量(liang)算法的(de)綜合性(xing)能。對(dui)(dui)于一(yi)個(ge)更優(you)的(de)指紋算法，希望(wang)在相同(tong)閾(yu)值情況(kuang)下(xia)，FAR和(he)FRR都(dou)越小(xiao)越好。

具(ju)體的(de)，可以在(zai)MATLAB軟件(jian)中(zhong)(zhong)作此數(shu)據(ju)實(shi)驗，首先(xian)將實(shi)現(xian)準(zhun)備好的(de)文(wen)件(jian)116_npe_eigvector_npe_to_800dim(使用NPE降維(wei)方法(fa)降維(wei)至(zhi)800維(wei)的(de)數(shu)據(ju))、A標簽(qian)filename__selected、B測試filename__modified、DCP_feature_A_modified、DCP_feature_B_modified、label、score_NPE_800放在(zai)一個文(wen)件(jian)夾中(zhong)(zhong)，運行test_accuracy.m中(zhong)(zhong)的(de)代(dai)碼，通過以下代(dai)碼計(ji)算(suan)得到test_accuracy，test_accuracy.m中(zhong)(zhong)的(de)代(dai)碼在(zai)matlab軟件(jian)中(zhong)(zhong)如下：(需要說明的(de)是“％”后的(de)文(wen)字(zi)為批注)

％％1幅人臉，DCP特(te)征有(you)4608，對其進行降維后，采用余弦(xian)距離(li)，進行匹配識(shi)別，求出test accuracy以及(ji)相似性分數

％在(zai)測試(shi)時將Face_Test分為DCP_A：252×4608與DCP_B：2406×4608。具體匹(pi)配過(guo)程是(shi)，對(dui)于2658張圖片，每個人(ren)抽出一張圖片作為標簽集(ji)，

％對剩下的2658-252＝2406張圖片進行匹配測試，該過(guo)程(cheng)采(cai)用余弦距離進行匹配。

glac1_A＝load('DCP_feature_A_modified.dat')；％％從(cong)人(ren)臉數據庫(ku)Face_Test中提取的人(ren)臉DCP特征

glac1_B＝load('DCP_feature_B_modified.dat')；

％％％載入降維矩陣

eigvector_npe＝load('116_npe_eigvector_npe_to_800dim.txt')；％％使(shi)用數(shu)據庫faceenroll-std中所有(you)人的(de)所有(you)圖片(pian)的(de)DCP特征(zheng)生(sheng)成的(de)npe降維矩陣(降維到(dao)800維)

X＝glac1_A*eigvector_npe；％降維后的數據

Y＝glac1_B*eigvector_npe；％對人臉DCP特(te)征進(jin)行降維得(de)到(dao)降維后(hou)的數據

％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％％

glac1_A＝X；％％降(jiang)維后(hou)的數據(ju)A

glac1_B＝Y；％％降維(wei)后的數據B

testY＝load('label.txt')；％％B的標簽集，同一個人的所有圖片，其(qi)標簽相同

DCP_A_filename＝textread('A標簽filename__selected.txt','％s')；％％將Face_Test分為(wei)兩部分(A與B，其人臉DCP特(te)征為(wei)DCP_A與DCP_B)，其每部分所對(dui)應的圖像名，用來(lai)對(dui)兩兩圖片比(bi)對(dui)時記錄其相似(si)性分數情況(kuang)

DCP_B_filename＝textread('B測試filename__modified.txt','％s')；％％如fig1.name fig2.name 100表示fig1與(yu)fig2相似性分(fen)數為100分(fen)

r1＝size(DCP_A_filename,1)；％％將(jiang)Face_Test分為(wei)兩部(bu)分，每部(bu)分包含的圖像數量(liang)分別為(wei)r1、r3

r3＝size(DCP_B_filename,1)；

lable＝zeros(r3,1)；％定義對(dui)DCP_B中的(de)(de)圖像預(yu)測的(de)(de)標簽

dd＝zeros(r1,r3)；％％DCP_A與(yu)DCP_B中各個(ge)特征兩兩之(zhi)間的(de)距離

MM＝zeros(r1,r3)；

score＝zeros(r1,r3)；％％A與(yu)B中圖片間的(de)相似(si)性分數

AA＝zeros(r3,1)；

BB＝zeros(r3,1)；

ME＝zeros(r3,1)；

fileID＝fopen('score_NPE_800.txt','wt')；％％the similarity score text file記錄比較的(de)圖(tu)片名稱與相似性分數的(de)文(wen)件

[a,alab]＝min(dd(:,j))；％％求出距離中的(de)最小值

AA(j)＝a；

[b,blab]＝max(dd(:,j))；％％求出距離中的最大值(zhi)

BB(j)＝b；

c＝median(dd(:,j))；％％求出距(ju)離中(zhong)的(de)中(zhong)值

ME(j)＝c；

lable(j)＝ceil(alab)；％％A中(zhong)圖片(pian)與B中(zhong)圖片(pian)距離取得最小值所對(dui)應的B的序(xu)號作(zuo)為A圖片(pian)的序(xu)號

end

Test_accuracy＝100*(1-sum(lable～＝testY)/length(testY))；％％在B中所有的圖片，比較預測(ce)標簽與實際標簽是否相同(tong)，相同(tong)則匹配準確(que)率高

fprintf('Test accuracy％f％％\n',Test_accuracy)；

％％以下部(bu)(bu)分(fen)為(wei)計算相(xiang)(xiang)似(si)性分(fen)數(shu)的(de)部(bu)(bu)分(fen)，即將(jiang)兩圖片之間的(de)距離(li)轉化為(wei)0-100之間的(de)相(xiang)(xiang)似(si)性分(fen)數(shu)，分(fen)數(shu)值(zhi)越高(gao)說明越相(xiang)(xiang)似(si)，是一個人的(de)概率越大，反之則(ze)為(wei)越不(bu)相(xiang)(xiang)似(si)。

％％分別求距離中的最大、最小以及中值，利用相似性(xing)分數的公式，將(jiang)距離轉(zhuan)化為相似性(xing)分數

此處則(ze)本數據實驗(yan)結束，得到使用NPE的(de)降維(wei)方法將數據降維(wei)至800維(wei)的(de)test.accuracy。同樣(yang)的(de)，可以將事先預備(bei)好的(de)eigvector_npe_to_200dim.txt、eigvector_npe_to_300dim.txt、eigvector_npe_to_400dim.txt、eigvector_npe_to_500dim.txt、eigvector_npe_to_600dim.txt、eigvector_npe_to_700dim.txt分別替代(dai)文件夾中(zhong)的(de)eigvector_npe_to_800dim.txt，并將代(dai)碼(ma)中(zhong)的(de)字符“eigvector_npe_to_200dim.txt”、

“116_npe_eigvector_npe_to_300dim.txt”

“116_npe_eigvector_npe_to_400dim.txt”

“116_npe_eigvector_npe_to_500dim.txt”

“116_npe_eigvector_npe_to_600dim.txt”

“116_npe_eigvector_npe_to_700dim.txt”分別替換掉(diao)字符

“116_npe_eigvector_npe_to_800dim”，并(bing)運行該文件，即可分別得到(dao)NPE將數(shu)據(ju)降維(wei)(wei)至200維(wei)(wei)、300維(wei)(wei)、400維(wei)(wei)、500維(wei)(wei)、600維(wei)(wei)、700維(wei)(wei)的(de)test.accuracy。

同樣的(de)，可(ke)以講NPE的(de)降維(wei)數據替換為LPP的(de)降維(wei)數據，將test.accuracy.m中的(de)字符NPE替換為LPP，即可(ke)得到LPP將數據降維(wei)至200維(wei)、300維(wei)、400維(wei)、500維(wei)、600維(wei)、700維(wei)、800維(wei)的(de)test.accuracy。

使用以(yi)下代碼在(zai)Python中運行，分別得(de)到frr、far、err的參(can)數(shu)：

在matlab中(zhong)運行以(yi)(yi)下代碼，可以(yi)(yi)計算出LPP和NPE方法(fa)將數據(ju)降維(wei)(wei)到(dao)500維(wei)(wei)后(hou)的相似(si)性(xing)分(fen)數，加權后(hou)的mix_score_500，其中(zhong)，可以(yi)(yi)將

將(jiang)以(yi)上得到的(de)mix_score_200、mix_score_300、mix_score_400、mix_score_500、mix_score_600、mix_score_700、mix_score_800替換掉(diao)116_npe_eigvector_npe_to_200dim、116_npe_eigvector_npe_to_300dim、116_npe_eigvector_npe_to_400dim、116_npe_eigvector_npe_to_500dim、116_npe_eigvector_npe_to_600dim、116_npe_eigvector_npe_to_700dim、116_npe_eigvector_npe_to_800dim，再運行(xing)其代碼(ma)，即可得到相應的(de)frr、far、err的(de)數值。

根據(ju)以(yi)上數據(ju)實驗得到的數據(ju)結果(guo)顯示，單(dan)獨(du)使用(yong)LPP算法進行降維時，其匹配準確率Test accuracy＝94.47％：

ERR＝4.060％，1/10000:FRR＝21.70％，1/100000:FRR＝26.27％，NONE:FRR＝30.26％；

單獨使用NPE算法進(jin)行(xing)降(jiang)維時(shi)，其匹配準確率Test accuracy＝94.43％：

ERR＝4.584％，1/10000:FRR＝20.41％，1/100000:FRR＝26.89％,NONE:FRR＝31.34％；

使用結合型(xing)降(jiang)維(wei)算(suan)法：

ERR＝3.905％,1/10000:FRR＝18.37％,1/100000:FRR＝23.48％,NONE:FRR＝28.47％；

降維(wei)到600維(wei)的情況如下(xia)：

①單獨使用(yong)LPP算法(fa)進行降(jiang)維時(shi)，其匹配準確率Test accuracy＝94.72％：

ERR＝4.156％，1/10000:FRR＝21.32％,1/100000:FRR＝25.77％,NONE:FRR＝31.21％；

②單獨使用NPE算法進行(xing)降維時，其匹配準確率Test accuracy＝94.14％：

ERR＝4.865％，1/10000:FRR＝20.70％，1/100000:FRR＝26.77％,NONE:FRR＝31.30％

③使用結合型(xing)降(jiang)維算法：

ERR＝4.154％，1/10000:FRR＝17.91％，1/100000:FRR＝21.78％,NONE:FRR＝30.55％；

降維到700維的情況如下：

①單獨使用LPP算法進(jin)行降維時，其匹配準確率Test accuracy＝94.64％：

ERR＝4.248％，1/10000:FRR＝21.65％，1/100000:FRR＝26.35％，NONE:FRR＝％0.2f％％；

②單獨使用NPE算法進(jin)行降維(wei)時，其(qi)匹配準確率Test accuracy＝94.06％：

ERR＝5.065％，1/10000:FRR＝21.45％，1/100000:FRR＝26.64％，NONE:FRR＝34.83％；

③使用結合型降維(wei)算法：

ERR＝4.130％，1/10000:FRR＝20.12％，1/100000:FRR＝24.36％，NONE:FRR＝31.50％；

降維到800維的情況如下：

①單獨使(shi)用(yong)LPP算法進行降(jiang)維(wei)時，其匹(pi)配(pei)準確率Test accuracy＝94.93％：

ERR＝4.266％，1/10000:FRR＝19.95％，1/100000:FRR＝28.10％，NONE:FRR＝31.34％；

②單獨使(shi)用NPE算法(fa)進行降維時，其(qi)匹配準(zhun)確率Test accuracy＝94.18％：

ERR＝5.111％，1/10000:FRR＝20.74％，1/100000:FRR＝26.14％，NONE:FRR＝34.25％；

③使用(yong)結合(he)型降維算(suan)法：

ERR＝4.193％，1/10000:FRR＝19.91％，1/100000:FRR＝24.40％，NONE:FRR＝29.59％。

請參考圖2，本申請實(shi)施例還提供一種(zhong)設備200，該設備200包括：

獲(huo)(huo)取(qu)模塊201，用于(yu)獲(huo)(huo)取(qu)第(di)一圖(tu)像(xiang)(xiang)X和(he)第(di)二圖(tu)像(xiang)(xiang)Y。

提(ti)取模(mo)塊(kuai)202，用于提(ti)取該(gai)(gai)獲取模(mo)塊(kuai)201獲取的(de)該(gai)(gai)X和該(gai)(gai)Y的(de)Q個(ge)數(shu)據特征，分別生(sheng)成大小均為(wei)1*Q的(de)矩陣Xq和矩陣Yq。

降(jiang)維(wei)模塊(kuai)203，用于(yu)分別使用N種降(jiang)維(wei)算法對該提取(qu)模塊(kuai)202提取(qu)并生成(cheng)的(de)該矩(ju)陣(zhen)Xq和(he)(he)該矩(ju)陣(zhen)Yq進行降(jiang)維(wei)處(chu)理，分別得到(dao)大(da)小均為(wei)1*P的(de)矩(ju)陣(zhen)Xp(i)和(he)(he)矩(ju)陣(zhen)Yp(i)，其(qi)中，該P小于(yu)該Q，該N為(wei)大(da)于(yu)等于(yu)2的(de)整(zheng)數。

計算模塊204，用(yong)于計算該(gai)降維模塊203降維后(hou)的該(gai)矩(ju)陣Xp(i)和該(gai)矩(ju)陣Yp(i)的相(xiang)關參(can)數score[(Xp(i)，Yp(i)]。

加(jia)權模塊(kuai)205，用于(yu)使用預設的(de)加(jia)權參數對該計(ji)算(suan)模塊(kuai)204計(ji)算(suan)得到的(de)該score[Xp(i)，Yp(i)]進(jin)行加(jia)權運算(suan)，得到綜(zong)合相關參數score[mix(Xp，Yp)]，i∈{1，2，……，N}。

確定(ding)(ding)模(mo)塊206，用于若該(gai)加權(quan)模(mo)塊205加權(quan)得到的該(gai)score[mix(Xp，Yp)]在預(yu)設(she)范圍內，則(ze)確定(ding)(ding)該(gai)X和該(gai)Y均指示同一個對(dui)象(xiang)，若不在預(yu)設(she)范圍內，則(ze)確定(ding)(ding)該(gai)X和該(gai)Y指示不同的對(dui)象(xiang)。

本申請(qing)實施例還(huan)中該加權模塊205包括(kuo)：

加(jia)權子模(mo)塊(kuai)2051，用(yong)于使(shi)用(yong)預(yu)設(she)的加(jia)權參數ki，該(gai)d為常數，對該(gai)計算(suan)模(mo)塊(kuai)204計算(suan)得(de)到的該(gai)score[Xp(i)，Yp(i)]進(jin)行(xing)加(jia)權運(yun)算(suan)，得(de)到該(gai)該(gai)a和該(gai)b均為預(yu)設(she)常數，該(gai)a不等于0，i∈{1，2，……，N}。

加(jia)權單元2052，用于使用預設的(de)加(jia)權參(can)數ki，對該計(ji)算模塊204計(ji)算得到(dao)的(de)該score[Xp(i)，Yp(i)]進(jin)行加(jia)權運算，得到(dao)該

本申(shen)請實施例還中(zhong)該加(jia)權模塊205包括(kuo)：

加(jia)權子單元2053，用于使用預設的(de)加(jia)權參數ki，對該計(ji)算模塊計(ji)算204得(de)到的(de)該score[Xp(i)，Yp(i)]進行加(jia)權，得(de)到

本申請實(shi)施(shi)例(li)還中(zhong)該(gai)降維模(mo)塊(kuai)203包(bao)括：

降(jiang)(jiang)維子模(mo)塊2031，用于(yu)分別使用局部保持(chi)投影(ying)LPP和近鄰保持(chi)嵌入NPE對該(gai)提取模(mo)塊202提取并生成(cheng)的該(gai)矩陣Xq和該(gai)矩陣Yq進行降(jiang)(jiang)維處理，分別得到大小(xiao)均為1*P的矩陣Xp(LPP)和矩陣Yp(NPE)，其中，該(gai)P小(xiao)于(yu)該(gai)Q。

所屬(shu)領(ling)域(yu)的技(ji)術人員可(ke)以(yi)清楚地(di)了解到，為描述(shu)的方便和(he)簡潔，上(shang)述(shu)描述(shu)的系統，裝置和(he)單元的具(ju)體(ti)工作過程(cheng)，可(ke)以(yi)參考前述(shu)方法實施(shi)例中(zhong)的對(dui)應過程(cheng)，在(zai)此不再贅述(shu)。

在本申請所(suo)提供的(de)(de)幾個(ge)實(shi)(shi)施例(li)中，應該理解到，所(suo)揭露(lu)的(de)(de)系統，裝(zhuang)置和(he)方(fang)(fang)法(fa)，可以(yi)通過(guo)其它的(de)(de)方(fang)(fang)式(shi)實(shi)(shi)現。例(li)如，以(yi)上所(suo)描(miao)述的(de)(de)裝(zhuang)置實(shi)(shi)施例(li)僅(jin)僅(jin)是(shi)示(shi)意性的(de)(de)，例(li)如，所(suo)述單元的(de)(de)劃(hua)分(fen)(fen)，僅(jin)僅(jin)為一種(zhong)邏輯功能劃(hua)分(fen)(fen)，實(shi)(shi)際(ji)實(shi)(shi)現時可以(yi)有另(ling)外的(de)(de)劃(hua)分(fen)(fen)方(fang)(fang)式(shi)，例(li)如多(duo)個(ge)單元或組件可以(yi)結合(he)或者(zhe)可以(yi)集(ji)成(cheng)到另(ling)一個(ge)系統，或一些特征可以(yi)忽略，或不執行。另(ling)一點，所(suo)顯(xian)示(shi)或討論的(de)(de)相(xiang)互之間的(de)(de)耦(ou)合(he)或直接耦(ou)合(he)或通信(xin)連接可以(yi)是(shi)通過(guo)一些接口，裝(zhuang)置或單元的(de)(de)間接耦(ou)合(he)或通信(xin)連接，可以(yi)是(shi)電性，機械或其它的(de)(de)形式(shi)。

所述作為(wei)分離(li)部(bu)件(jian)說明的(de)單元可(ke)以(yi)是(shi)或者(zhe)也(ye)可(ke)以(yi)不是(shi)物理(li)上(shang)分開的(de)，作為(wei)單元顯示的(de)部(bu)件(jian)可(ke)以(yi)是(shi)或者(zhe)也(ye)可(ke)以(yi)不是(shi)物理(li)單元，即可(ke)以(yi)位于一個地方，或者(zhe)也(ye)可(ke)以(yi)分布到多(duo)個網絡單元上(shang)。可(ke)以(yi)根(gen)據實際的(de)需(xu)要(yao)選擇其中的(de)部(bu)分或者(zhe)全部(bu)單元來實現(xian)本實施例方案的(de)目的(de)。

另外，在本申請各(ge)個(ge)實施例中的(de)(de)各(ge)功(gong)能(neng)單(dan)元(yuan)(yuan)可(ke)以集(ji)成(cheng)(cheng)(cheng)在一個(ge)處理(li)單(dan)元(yuan)(yuan)中，也可(ke)以是各(ge)個(ge)單(dan)元(yuan)(yuan)單(dan)獨物理(li)存在，也可(ke)以兩(liang)個(ge)或兩(liang)個(ge)以上單(dan)元(yuan)(yuan)集(ji)成(cheng)(cheng)(cheng)在一個(ge)單(dan)元(yuan)(yuan)中。上述集(ji)成(cheng)(cheng)(cheng)的(de)(de)單(dan)元(yuan)(yuan)既可(ke)以采用硬件的(de)(de)形式(shi)實現(xian)，也可(ke)以采用軟件功(gong)能(neng)單(dan)元(yuan)(yuan)的(de)(de)形式(shi)實現(xian)。

所述(shu)集(ji)成的(de)(de)(de)(de)單(dan)元(yuan)如果以(yi)軟(ruan)件(jian)功(gong)能單(dan)元(yuan)的(de)(de)(de)(de)形(xing)式(shi)(shi)實(shi)現并(bing)作為獨立的(de)(de)(de)(de)產品銷售或使用時，可(ke)(ke)以(yi)存(cun)(cun)(cun)儲(chu)在(zai)(zai)一(yi)個計算(suan)機(ji)可(ke)(ke)讀取(qu)存(cun)(cun)(cun)儲(chu)介(jie)(jie)質(zhi)(zhi)中。基(ji)于(yu)這(zhe)樣(yang)的(de)(de)(de)(de)理(li)解，本(ben)(ben)申請的(de)(de)(de)(de)技(ji)術(shu)(shu)方案本(ben)(ben)質(zhi)(zhi)上或者(zhe)說對現有技(ji)術(shu)(shu)做出貢獻的(de)(de)(de)(de)部分或者(zhe)該(gai)技(ji)術(shu)(shu)方案的(de)(de)(de)(de)全部或部分可(ke)(ke)以(yi)以(yi)軟(ruan)件(jian)產品的(de)(de)(de)(de)形(xing)式(shi)(shi)體現出來，該(gai)計算(suan)機(ji)軟(ruan)件(jian)產品存(cun)(cun)(cun)儲(chu)在(zai)(zai)一(yi)個存(cun)(cun)(cun)儲(chu)介(jie)(jie)質(zhi)(zhi)中，包括(kuo)若(ruo)干指令用以(yi)使得一(yi)臺計算(suan)機(ji)設備(bei)(bei)(可(ke)(ke)以(yi)是個人計算(suan)機(ji)，服務器，或者(zhe)網(wang)絡設備(bei)(bei)等(deng))執(zhi)行本(ben)(ben)申請各個實(shi)施(shi)例所述(shu)方法的(de)(de)(de)(de)全部或部分步驟。而前述(shu)的(de)(de)(de)(de)存(cun)(cun)(cun)儲(chu)介(jie)(jie)質(zhi)(zhi)包括(kuo)：U盤、移動硬盤、只(zhi)讀存(cun)(cun)(cun)儲(chu)器(ROM，Read-Only Memory)、隨機(ji)存(cun)(cun)(cun)取(qu)存(cun)(cun)(cun)儲(chu)器(RAM，Random Access Memory)、磁(ci)碟或者(zhe)光盤等(deng)各種(zhong)可(ke)(ke)以(yi)存(cun)(cun)(cun)儲(chu)程序(xu)代碼的(de)(de)(de)(de)介(jie)(jie)質(zhi)(zhi)。

以上所述(shu)，以上實施(shi)例僅用以說明本(ben)申請的技(ji)(ji)(ji)術(shu)(shu)方(fang)(fang)案，而(er)非對其限制；盡管參照前述(shu)實施(shi)例對本(ben)申請進(jin)行了詳細的說明，本(ben)領域的普通技(ji)(ji)(ji)術(shu)(shu)人員(yuan)應當理(li)解：其依然可以對前述(shu)各(ge)(ge)實施(shi)例所記(ji)載(zai)的技(ji)(ji)(ji)術(shu)(shu)方(fang)(fang)案進(jin)行修改，或者對其中部分技(ji)(ji)(ji)術(shu)(shu)特征進(jin)行等(deng)同替(ti)(ti)換；而(er)這些修改或者替(ti)(ti)換，并不使相應技(ji)(ji)(ji)術(shu)(shu)方(fang)(fang)案的本(ben)質脫(tuo)離本(ben)申請各(ge)(ge)實施(shi)例技(ji)(ji)(ji)術(shu)(shu)方(fang)(fang)案的范圍。