[發明專利]一種基于相關特征和非線性映射的固定視角人臉超分辨率識別方法

有效

• 申請號: 201110252306.2
• 申請日: 2011-08-30
• 公開（公告）號: CN102289679A
• 公開（公告）日: 2011-12-21
• 發明（設計）人: 黃華;曾嘯
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 陸萬壽

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固定視角人臉超分辨率識別方法。

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，另一方面進行監控時，往往不能對被監控對象進行約束，感興趣人臉圖像常常存在著非正面人臉圖像，而與之相對應的系統中登記在冊的往往是被監控對象的某種固定視角的高分辨率圖像(這個固定視角通常為正面)，從而降低了人臉識別的性能。如何在低分辨率及視角變化的條件下提高識別效果，是目前人臉識別需要解決的問題。

在視角變化和分辨率變化的雙重干擾下的人臉識別研究工作較少，大致可以分為兩類。第一類為借助多視角識別庫的幫助，通過識別庫中與測試圖像相同人物相似視角圖像的輔助，較好地完成視角變化下的低分辨率人臉識別。此類方法在識別庫人臉僅由一種固定視角構成時效果將大大下降或者直接無法工作。而第二類方法為通過逐步實現視角變化和分辨率增強兩個步驟完成視角變化下的低分辨率人臉識別。該類方法可以工作在識別庫人臉僅由一種固定視角構成的條件下，但視角變化和分辨率增強兩步均會引入誤差，兩步的誤差疊加不利于最終的識別。

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固定視角人臉超分辨率識別方法。

為了達到上述目的，本發明采用的技術方案是：

1)首先，利用訓練數據為每一個固定視角到識別庫視角的超分辨率識別單獨建立一個變換模型和識別模型，有多少個固定視角，就建立多少個變換模型和識別模型；

2)然后，估計測試低分辨率圖像的視角；

3)最后，將測試低分辨率圖像按步驟2)中估計的視角，輸入到步驟1)中的變換和識別模型中進行識別。

步驟1)中單獨建立一個變換和識別模型，其中單獨建立一個變換模型包含以下步驟：

1)分別利用經典的主成分分析方法提取固定視角訓練低分辨率圖像和識別庫視角訓練高分辨人臉圖像的識別特征：

給定一組固定視角的低分辨率訓練人臉圖像和另一固定視角的高分辨率訓練人臉圖像，為不失一般性，假設給定的低分辨率固定視角為側面視角，假設給定的高分辨率視角為正面視角。分別用和表示，其中m表示訓練樣本個數，下標代表樣本標號，上標nl，fh分別表示側面低分辨率和正面高分分辨。分別計算出對應的側面低分辨率均值μ^nl與PCA基矩陣正面高分辨率均值μ^fh與PCA基矩陣對應的側面低分辨率PCA特征y^nl和正面高分辨率PCA特征y^fh，可以用下面的算式求出，其中上標T表示矩陣轉置操作：

2)利用上述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：