一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法
【專利摘要】本發(fā)明提出一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法，解決目前單樣本人臉識別算法的局限性的問題。步驟1：獲得人臉圖像在壓縮域的圖像表達；步驟2：構(gòu)建包含k個類的人臉圖像訓(xùn)練樣本矩陣；步驟3：構(gòu)建人臉數(shù)據(jù)庫的平均臉矩陣和類間人臉變化矩陣；步驟4：對類間人臉變化矩陣加入低秩和稀疏約束；步驟5：求解類間相似矩陣和類間差異矩陣；步驟6：將平均臉矩陣、類間相似矩陣和類間差異矩陣投影至低維度空間；步驟7：將降維后的平均臉矩陣、類間相似矩陣和類間差異矩陣采用歸一化方法進行歸一化處理，并采用范數(shù)優(yōu)化算法迭代求解出基于人臉圖像訓(xùn)練樣本矩陣的稀疏系數(shù)矢量；步驟8：選擇與稀疏系數(shù)最大值相對應(yīng)的平均臉矩陣中的列矢量人臉標簽，作為最終人臉識別的結(jié)果。
【專利說明】一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機視覺與模式識別【技術(shù)領(lǐng)域】，涉及一種基于類間類內(nèi)面部變化字 典的單樣本人臉識別方法。

【背景技術(shù)】
[0002] 人臉識別作為一種重要的生物特征識別技術(shù)，其具有自然性和隱秘性強的優(yōu)勢。 因此，在過去幾十年中引起了廣泛的關(guān)注，其中有較簡單、但得到較成功應(yīng)用的基于統(tǒng)計特 征的人臉識別方法如Eigenface，F(xiàn)isherface，Laplacianfaces等。近年來，稀疏表達在人 臉識別領(lǐng)域得以應(yīng)用，并取得了較大的成功?；谙∈璞磉_的人臉識別分類方法（Sparse Representation Classifier, SRC)，其思想是將所有的訓(xùn)練圖像作為超完備字典，而測試圖 像可以表示為字典中少數(shù)人臉圖像的線性組合。Wright等人證實可通過快速h范數(shù)最優(yōu) 化算法對該問題進行求解，并在人臉識別實驗中取得了目前最好的效果。目前，針對稀疏表 達人臉識別方法中存在的不足，研究人員相繼提出了多種改進算法。例如在SRC的基礎(chǔ)上 加入低秩矩陣恢復(fù)，利用字典表示的不相關(guān)性來區(qū)分人臉和噪聲部分。
[0003]然而以人臉作為生物特征，使得人臉識別有先天難以逾越的缺點。首先，雖然人臉 結(jié)構(gòu)的相似性利于人臉檢測定位，但是卻對不同人臉的區(qū)分造成不便。其次，人臉的外形存 在諸多不穩(wěn)定性，如豐富的人臉表情、外界復(fù)雜的環(huán)境（光照、成像角度等）、人臉的遮擋物 (口罩、墨鏡等）以及隨著年齡增長帶來的臉部變化。這些不穩(wěn)定性都會影響人臉識別算法 的性能。在人臉識別算法中，不同人臉間的變化屬于類間變化，而相同人臉的外形變化屬于 類內(nèi)變化。類間以及類內(nèi)的變化使得人臉識別被認為是生物特征識別領(lǐng)域甚至人工智能領(lǐng) 域最困難的研究課題之一。而隨著視頻監(jiān)控的快速普及，在許多應(yīng)用場合下，尤其是在大范 圍的身份驗證場合中，例如執(zhí)法、駕照和護照卡驗證，我們在數(shù)據(jù)庫中通常只能為每個人采 集一個樣本圖像。在此情況下，就必須僅僅根據(jù)人臉的單幅圖像完成在不同視角、光照、遮 擋、表情等變化因素下的人臉識別任務(wù)。但是，Wright等人提出的基于稀疏表達的人臉識 別算法，需要提供每個人在各種不同變化條件下的人臉面部圖像。即該算法需要大量的訓(xùn) 練樣本數(shù)據(jù)庫以保證算法的準確性。W. Deng等人提出擴展稀疏表達分類器來解決欠采樣的 人臉識別問題，甚至單樣本人臉識別問題。隨后，基于擴展稀疏表達分類器又引入平均臉加 人臉變化的單樣本人臉識別算法。
[0004]近年來，基于壓縮感知理論的各種信號處理方法，已經(jīng)成為計算機視覺和模式識 別的標準信號處理方法之一。因此，將壓縮感知理論應(yīng)用于稀疏表達的人臉識別領(lǐng)域也是 順理成章的想法。A. Majumdar等人證實隨機投影對幾個最近提出的分類器，即稀疏分類器 (SC)，group SC和最近鄰分類器（NN)都具有魯棒性。由于人臉識別需要處理大量的高精 度人臉圖像，在圖像域人臉識別中利用壓縮感知進行降維已引起了高度的關(guān)注。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是為了克服已有技術(shù)的缺陷，解決目前單樣本人臉識別算法的局限 性的問題，提出一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法。
[0006] 本發(fā)明方法是通過下述技術(shù)方案實現(xiàn)的：
[0007] -種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法，包括以下步驟：
[0008] 步驟1 :將數(shù)據(jù)庫中的人臉圖像利用隨機投機矩陣進行投影映射，獲得人臉圖像 在壓縮域的圖像表達；
[0009] 步驟2 :構(gòu)建包含k個類的人臉圖像訓(xùn)練樣本矩陣；
[0010] 步驟3 :構(gòu)建人臉數(shù)據(jù)庫的平均臉矩陣和類間人臉變化矩陣，平均臉矩陣中的每 一列表示第i個人臉訓(xùn)練圖像的平均臉。
[0011] 步驟4 :對類間人臉變化矩陣加入低秩和稀疏約束；
[0012] 步驟5 :采用增廣拉格朗日字典訓(xùn)練算法對類間人臉變化矩陣進一步進行分解， 求解出類間相似矩陣和類間差異矩陣；
[0013] 步驟6 :采用PCA降維算法將平均臉矩陣、類間相似矩陣和類間差異矩陣投影至低 維度空間；
[0014] 步驟7:將降維后的平均臉矩陣、類間相似矩陣和類間差異矩陣采用歸一化方法 進行歸一化處理，并采用范數(shù)優(yōu)化算法迭代求解出基于人臉圖像訓(xùn)練樣本矩陣的稀疏系數(shù) 矢量；
[0015] 步驟8:選擇與稀疏系數(shù)最大值相對應(yīng)的平均臉矩陣中的列矢量人臉標簽，作為 最終人臉識別的結(jié)果。
[0016] 本發(fā)明的有益效果：
[0017] 本發(fā)明能夠?qū)τ绊憜螛颖救四樧R別算法中的光照、遮擋、姿態(tài)變化等噪聲構(gòu)建了 噪聲字典，將噪聲字典區(qū)分為類間噪聲以及類內(nèi)噪聲，從而有效的提高了基于稀疏表達人 臉單樣本識別算法的魯棒性。

【具體實施方式】
[0018] 下面結(jié)合具體實施實例對本發(fā)明做進一步詳細說明。在此，本發(fā)明的示意性實施 例及其說明用于解釋本發(fā)明，但并不作為對本發(fā)明的限定。
[0019] 本發(fā)明提出一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法，是建立在隨 機投影和稀疏表示理論的基礎(chǔ)上，并針對單樣本人臉識別問題提出的一種改進算法。本發(fā) 明解決單樣本人臉識別的關(guān)鍵在于建立與人臉圖像無關(guān)的魯棒的、通用的噪聲模型。該噪 聲模型主要是針對人臉的表情變化、環(huán)境光照變化、人臉姿態(tài)變化、人臉遮擋物（口罩、墨 鏡等）等進行建模形成字典。從而將這些噪聲與人臉信息分離開來，從而提高單樣本人臉 識別的準確率。其具體步驟包括：
[0020] 步驟一、將數(shù)據(jù)庫中的人臉圖像利用隨機投機矩陣進行投影映射，獲得人臉圖像 在壓縮域的圖像表達，數(shù)學(xué)上可表示為y = Ox。其中〇為投影矩陣，x為人臉圖像，y為 壓縮域的人臉圖像。
[0021] 其中，對于人臉數(shù)據(jù)庫中的訓(xùn)練圖像和測試圖像，都使用相同的隨機投影矩陣〇 進行降維。
[0022] 步驟二、構(gòu)建包含k個類的人臉圖像訓(xùn)練樣本字典

【權(quán)利要求】
1. 一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法，其特征在于，包括以下步 驟： 步驟1:將數(shù)據(jù)庫中的人臉圖像利用隨機投機矩陣進行投影映射，獲得人臉圖像在壓 縮域的圖像表達； 步驟2 :構(gòu)建包含k個類的人臉圖像訓(xùn)練樣本矩陣； 步驟3 :構(gòu)建人臉數(shù)據(jù)庫的平均臉矩陣和類間人臉變化矩陣，平均臉矩陣中的每一列 表示第i個人臉訓(xùn)練圖像的平均臉。 步驟4 :對類間人臉變化矩陣加入低秩和稀疏約束； 步驟5 :采用增廣拉格朗日字典訓(xùn)練算法對類間人臉變化矩陣進一步進行分解，求解 出類間相似矩陣和類間差異矩陣； 步驟6 :采用PCA降維算法將平均臉矩陣、類間相似矩陣和類間差異矩陣投影至低維度 空間； 步驟7 :將降維后的平均臉矩陣、類間相似矩陣和類間差異矩陣采用歸一化方法進行 歸一化處理，并采用范數(shù)優(yōu)化算法迭代求解出基于人臉圖像訓(xùn)練樣本矩陣的稀疏系數(shù)矢 量； 步驟8 :選擇與稀疏系數(shù)最大值相對應(yīng)的平均臉矩陣中的列矢量人臉標簽，作為最終 人臉識別的結(jié)果。
2. 如權(quán)利要求1所述的一種基于類間類內(nèi)面部變化字典的單樣本人臉識別方法，其特 征在于，對于各種不同的人臉面部變化進行更加準確的建模，將這些面部變化與正面人臉 分離開來，從而解決單樣本人臉識別問題中面部變化對識別精度的影響。
【文檔編號】G06K9/64GK104392246SQ201410725260
【公開日】2015年3月4日 申請日期:2014年12月3日 優(yōu)先權(quán)日:2014年12月3日
【發(fā)明者】陳靖, 蔡珺 申請人:北京理工大學(xué)