[發(fā)明專利]一種人臉視頻圖像驗(yàn)證方法及其嵌入式實(shí)現(xiàn)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201310139715.0
• 申請(qǐng)日: 2013-04-19
• 公開（公告）號(hào): CN103198305A
• 公開（公告）日: 2013-07-10
• 發(fā)明（設(shè)計(jì)）人: 宋曉寧;王衛(wèi)東;楊習(xí)貝;祁云嵩
• 申請(qǐng)（專利權(quán)）人: 江蘇科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06T7/00;G06F21/32
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

1.一種稀疏背離度評(píng)估的人臉視頻圖像驗(yàn)證方法，其特征在于：包括如下步驟：?

(a)通過攝像頭獲取檢測(cè)人員的人臉圖像樣本，并存儲(chǔ)；?

(b)對(duì)人臉圖像樣本進(jìn)行瞳孔位置檢測(cè)，獲得人臉測(cè)試樣本的雙瞳孔連線；?

(c)根據(jù)雙瞳孔連線確定人臉測(cè)試樣本的圖像傾角；?

(d)根據(jù)所述傾角將人臉測(cè)試樣本旋轉(zhuǎn)到水平位置，以分割提取出人臉圖像區(qū)域；?

(e)用已存有的訓(xùn)練樣本來線性描述所述人臉測(cè)試樣本，得到描述結(jié)果y，由此計(jì)算出所述人臉測(cè)試樣本的初始稀疏表示系數(shù)；?

(f)分別統(tǒng)計(jì)y到各個(gè)訓(xùn)練類別的分類貢獻(xiàn)，計(jì)算得到每一個(gè)類別i的背離度r_i；?

(g)剔除背離度最大的類別，用剩余類別的所有剩余訓(xùn)練樣本來重新描述所述人臉測(cè)試樣本，并獲得新的稀疏表示系數(shù)；?

(h)重復(fù)第(f)和(g)步，直到剔除訓(xùn)練類別的數(shù)量達(dá)到規(guī)定閾值時(shí)，終止剔除類別操作；?

(i)用最終剩余的M個(gè)訓(xùn)練樣本來重新線性表示這個(gè)人臉測(cè)試樣本，得到測(cè)試樣本y的最終稀疏表示系數(shù)；?

(j)在最終剩余的M個(gè)訓(xùn)練樣本中，假設(shè)來自第l類的所有訓(xùn)練樣本為?那么計(jì)算獲得訓(xùn)練類別l對(duì)測(cè)試樣本y產(chǎn)生的分類貢獻(xiàn)是g_l；?

(k)計(jì)算y和所有g(shù)_l的背離度，選取最小背離度D_l的類別作為所述人臉測(cè)試樣本的最終候選類別；?

(l)判斷上述人臉圖像樣本的最終候選類別的背離度是否超過預(yù)設(shè)閾值，如果超過預(yù)設(shè)閾值，則語音提示該人員驗(yàn)證不通過，反之，驗(yàn)證通過并語音提示人員姓名或ID號(hào)。?

2.如權(quán)利要求1所述的人臉視頻圖像驗(yàn)證方法，其特征在于，所述步驟(e)中，包括如下步驟：?

(e1)假設(shè)系統(tǒng)共有C類n個(gè)訓(xùn)練樣本x₁,…,x_n，記?X_i∈R^m×n(i＝1,2,…,C)表示第i類的訓(xùn)練樣本集合，這里X_i的每一列表示一個(gè)訓(xùn)練樣本，則C類一共對(duì)應(yīng)的全體訓(xùn)練樣本集合是X＝[X₁,…,X_C]；?

(e2)針對(duì)人臉測(cè)試樣本y∈R^m，可以通過所有類別下的訓(xùn)練樣本來線性描述y＝a₁X₁+…+a_CX_C；?

(e3)對(duì)上式進(jìn)行稀疏系數(shù)求解，如果X非奇異，稀疏系數(shù)否則，通過構(gòu)造公式求解稀疏系數(shù)其中，P＝(X^TX+μI)^-1X^T，μ為正擾動(dòng)項(xiàng)，I是單位矩陣。?

3.如權(quán)利要求2所述的人臉視頻圖像驗(yàn)證方法，其特征在于，所述步驟(f)中，包括如下步驟：?

(f1)步驟e求得的是y所對(duì)應(yīng)的全體訓(xùn)練樣本X的稀疏分解系數(shù)，其中，?定義為訓(xùn)練類別i對(duì)y的分類貢獻(xiàn)，這里的是關(guān)聯(lián)第i類訓(xùn)練樣本集合X_i的稀疏系數(shù)；?

(f2)通過構(gòu)造背離度公式來度量第i類訓(xùn)練樣本集合X_i在人臉測(cè)試樣本y重建過程中的貢獻(xiàn)，這里r_i描述為y與的信號(hào)重建殘差，即背離度；顯然，背離度r_i越小，表示在測(cè)試樣本y重建中的貢獻(xiàn)越大。?

4.如權(quán)利要求3所述的人臉視頻圖像驗(yàn)證方法，其特征在于，所述步驟(g)中，包括如下步驟：?

(g1)根據(jù)步驟f的計(jì)算結(jié)果，剔除背離度r_i最大的第i類訓(xùn)練樣本集合X_i，即Elimination_Class(i)＝argmax_i{r_i}，X＝{X-X_i}(i＝1,2,…,C)；?

(g2)用剩余類別的所有剩余訓(xùn)練樣本來重新表示這個(gè)人臉測(cè)試樣本，即，假設(shè)剔除了第k類還一共剩余p個(gè)訓(xùn)練樣本，則用這p個(gè)剩余訓(xùn)練樣本來重新線性表示這個(gè)測(cè)試樣本y，并用步驟(f)方法重新計(jì)算獲得新的稀疏表示系數(shù)。?