[發明專利]一種基于相關特征和非線性映射的超分辨率人臉識別方法

無效

• 申請號: 200910254530.8
• 申請日: 2009-12-25
• 公開（公告）號: CN101710386A
• 公開（公告）日: 2010-05-19
• 發明（設計）人: 黃華;何惠婷
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

技術領域

本發明涉及人臉識別領域，具體的涉及一種基于相關特征和非線性映射的超分辨率人臉識別方法。

背景技術

人臉識別是一種重要的生物認證技術，近三十年來，研究人員提出了大量的方法，并已廣泛用于視頻監控等安全保障系統中。但是，由于距離和硬件條件等的限制，在大場景視頻監控系統中拍攝的感興趣人臉圖像分辨率往往比較低，從而降低了人臉識別的性能。如何在低分辨率條件下提高識別效果，是目前人臉識別需要解決的問題。

圖像超分辨率(super-resolution，SR)是指利用某種算法從一幅或者一系列低分辨率(low?resolution，LR)圖像中獲得一幅或者一系列高分辨率(high?resolution，HR)圖像的技術。因此，人臉圖像超分辨率算法很自然地被作為提高低分辨率圖像人臉識別效果的解決方案之一。具體而言，先利用超分辨率重建算法得到視覺效果較好的人臉圖像，然后再進行人臉識別。但是，這種方案中人臉圖像超分辨率重建與識別兩部分獨立進行，且超分辨率的目標定位在提高圖像視覺效果，而不是提高識別率。

基于以上原因，Gunturk等人提出了直接重建人臉識別系統所需的高分辨率特征臉信息的方法。該方法提供了一種很好的直接利用超分辨率進行人臉識別的框架，但計算復雜度較高，且該方法使用的概率模型不適用于人臉姿態變化較大的情況。Sezer等認為與像素域相比，在特征空間域利用超分辨率進行低分辨率人臉圖像識別性能更加魯棒，并提出了在ICA特征空間內利用貝葉斯估計和凸集投影方法進行超分辨率，從而對低分辨率視頻人臉圖像序列進行識別的方法。同樣，此方法應用了概率模型，只適合于對正面低分辨率人臉圖像進行識別。Pablo等人提出了超分辨率重建和特征提取相結合的低分辨率人臉識別方法，此方法所提出的正則化目標函數模型能同時清晰表達對超分辨率重建結果以及識別結果的限制，但目標函數參數的學習過程比較復雜。

發明內容

本發明的目的在于克服上述現有技術的缺點，提出了一種基于相關特征和非線性映射的超分辨率人臉識別方法。

為了達到上述目的，本發明采用的技術方案是：

1)首先，利用經典的主成分分析方法提取高、低分辨率訓練人臉圖像的識別特征，利用所提取兩組識別特征作為訓練數據，根據典型相關分析(Canonical?Correlation?Analysis，CCA)算法得到映射基向量，根據此映射基向量將識別特征轉換為相關特征；

2)其次，利用徑向基函數(Radial?Basis?Function，RBF)建立高、低分辨率人臉圖像相關特征之間的映射關系，根據此映射關系得到測試低分辨率人臉圖像對應的高分辨率識別特征；

3)最后，利用基于L2范數的最近鄰分類器，按照求得的高分辨率識別特征進行分類識別，從而獲得識別率。

所述的步驟1)中的根據典型相關分析(Canonical?CorrelationAnalysis，CCA)算法得到映射基向量，根據此映射基向量將識別特征轉換為相關特征包括以下步驟：