[發明專利]一種基于AAM模型的視頻序列人臉識別方法

有效

• 申請號: 201310445776.X
• 申請日: 2013-09-26
• 公開（公告）號: CN103514442B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 徐向民;陳曉仕;黃卓彬;林旭斌
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 蔡茂略

1.一種基于AAM模型的視頻序列人臉識別方法，包括訓練階段和識別階段；

（1）所述訓練階段包括：

（1-1）PCA投影：

首先對訓練圖片進行歸一化，根據歸一化后的訓練圖片計算平均臉，將所有歸一化后的訓練圖片與平均臉做差值運算，得到第一差值；

然后根據第一差值構建協方差矩陣，通過協方差矩陣前K個最大特征值的特征向量組成PCA投影矩陣W_PCA，作為特征量空間；

最后將第一差值通過PCA投影矩陣W_PCA投影到低維空間，得到降維后的特征向量；

（1-2）LDA投影：

首先計算所有訓練圖片樣本經PCA投影得到的降維后的特征向量的均值向量m以及第i類訓練圖片樣本經PCA投影得到的降維后的特征向量的均值向量mi；

然后根據均值向量m、mi和計算訓練樣本類內離散度矩陣S_W和類間離散度矩陣S_B，計算矩陣S_W^-1S_B的特征向量，通過選取S_W^-1S_B的前L個最大的特征向量構成LDA投影矩陣W_LDA；

最后通過LDA投影矩陣W_LDA對通過PCA投影降維后的特征向量進行投影，得到每張訓練圖片的最佳分類特征Γ_ij；

（2）所述識別階段包括：

（2-1）Adaboost檢測：通過Adaboost算法標識出測試視頻幀包含人臉的子區域；

（2-2）AAM跟蹤與姿勢校正：首先訓練得到AAM模型；然后通過訓練得到的AAM模型對人臉子區域進行跟蹤；最后采用AAM模型訓練時得到的最終形狀參數對人臉的子區域進行姿勢校正，得到姿勢校正后的人臉子區域；

（2-3）PCA投影：

首先對上述得到的姿勢校正后的人臉子區域圖片進行歸一化，然后與訓練階段的PCA投影時得到的平均臉做差值運算，得到第二差值；

然后將上述第二差值矩陣投影到訓練階段得到的PCA投影矩陣W_PCA，得到降維后的特征向量η；

（2-4）LDA投影：將步驟（2-3）中得到的降維后的特征向量投影到訓練階段得到的LDA投影矩陣W_LDA，得到待識別人臉圖像的最佳分類特征；

（2-5）最近鄰分類器決策：

首先計算出各訓練圖片最佳分類特征與其他訓練圖片最佳分類特征之間的歐式距離，從中選取出最大的歐式距離值F；設定一個閾值b，該閾值b的大小為最大的歐式距離值F的一半；

然后計算步驟（2-4）得到的待識別人臉圖像的最佳分類特征與訓練階段得到的各個訓練圖片的最佳分類特征的最小歐幾里德距離γ₁；

最后將最小歐幾里德距離γ₁與閾值b進行比較，若大于閾值b，則判斷該待識別人臉圖像為非訓練庫圖片；若小于閾值b，則將最小歐幾里德距離γ₁所在分類特征所在類的人臉圖片判定為識別結果。