[發(fā)明專利]基于類內(nèi)類間距離的人臉驗(yàn)證方法

在審

• 申請?zhí)枺?/td>: 201310589074.9
• 申請日: 2013-11-19
• 公開（公告）號(hào): CN103605962A
• 公開（公告）日: 2014-02-26
• 發(fā)明（設(shè)計(jì)）人: 曹艷艷;王昆
• 申請（專利權(quán)）人: 四川長虹電器股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 成都虹橋?qū)＠聞?wù)所(普通合伙) 51124
• 代理人: 劉世平

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識(shí)別技術(shù)，特別涉及利用類內(nèi)類間距離進(jìn)行人臉驗(yàn)證的技術(shù)。

背景技術(shù)

目前，人臉識(shí)別技術(shù)在各領(lǐng)域得到廣泛的應(yīng)用，在復(fù)雜光照、姿態(tài)、背景下要求實(shí)時(shí)性和可靠的準(zhǔn)確性，人臉驗(yàn)證技術(shù)一直是人臉識(shí)別領(lǐng)域的一大難題，現(xiàn)階段的大部分算法都致力于提高人臉識(shí)別的準(zhǔn)確率，而在很多的應(yīng)用場景中，不僅要求系統(tǒng)能夠正確識(shí)別出系統(tǒng)中的人臉，還要求對(duì)陌生人進(jìn)行拒絕，即人臉驗(yàn)證。人臉驗(yàn)證要實(shí)現(xiàn)的就是判斷給定的兩張人臉圖像是否為同一人，傳統(tǒng)的人臉驗(yàn)證方法是分別提取兩張人臉圖像的特征，然后通過距離函數(shù)進(jìn)行度量，采用閾值的方法給出判定結(jié)果，采用閾值的方法泛用性差，在復(fù)雜多變的應(yīng)用情況下，一個(gè)給定的閾值很難保證正確識(shí)別率和正確拒絕率。

Adaboost算法和SVM（Support?Vector?Machine）算法都是經(jīng)典的機(jī)器學(xué)習(xí)的方法，Adaboost已經(jīng)被廣泛應(yīng)用于人臉檢測的實(shí)現(xiàn)，通過對(duì)大量有針對(duì)性的正負(fù)樣本進(jìn)行訓(xùn)練，得到一組強(qiáng)分類器，從而對(duì)新進(jìn)樣本進(jìn)行分類；SVM算法是一種可訓(xùn)練的機(jī)器學(xué)習(xí)方法，被廣泛應(yīng)用于人臉識(shí)別中。然而將Adaboost和SVM算法應(yīng)用于人臉驗(yàn)證的有效性卻沒有明顯的體現(xiàn)。

發(fā)明內(nèi)容

本發(fā)明的目的是克服目前人臉驗(yàn)證中識(shí)別率與拒絕率較低的缺點(diǎn)，提供一種基于類內(nèi)類間距離的人臉驗(yàn)證方法。

本發(fā)明解決其技術(shù)問題，采用的技術(shù)方案是，基于類內(nèi)類間距離的人臉驗(yàn)證方法，其特征在于，包括以下步驟：

步驟1、對(duì)給定人臉圖像樣本進(jìn)行人臉圖像特征提取，記為I_i,j,表示第i個(gè)人的第j張人臉圖像特征，I的特征維數(shù)記為N；

步驟2、計(jì)算不同人臉圖像特征之差構(gòu)成差空間，記為H（I_i,j-I_m,k），其中，同一個(gè)人的不同人臉圖像特征之差構(gòu)成類內(nèi)空間，即當(dāng)i=m時(shí)，不同人的人臉圖像特征之差構(gòu)成類間空間，即i≠m時(shí)；

步驟3、標(biāo)記所有類內(nèi)空間中的人臉圖像特征之差為正樣本，所有類間空間中的人臉圖像特征之差為負(fù)樣本；

步驟4、采用Adaboost做特征選擇，得到一個(gè)X維的特征序列，所述X<N；

步驟5、對(duì)所有正樣本及負(fù)樣本按照X維的特征序列進(jìn)行特征抽取，得到X維的正負(fù)樣本；

步驟6、對(duì)X維的正負(fù)樣本采用SVM進(jìn)行訓(xùn)練，得到兩類分類器；

步驟7、對(duì)需要驗(yàn)證的兩個(gè)人臉圖像樣本進(jìn)行人臉圖像特征提取，并計(jì)算其人臉圖像之差，對(duì)該人臉圖像之差按照X維的特征序列進(jìn)行特征抽取，特征抽取后使用兩類分類器進(jìn)行分類，若分類結(jié)果為正樣本，則認(rèn)為驗(yàn)證通過，若分類結(jié)果為負(fù)樣本，則認(rèn)為驗(yàn)證失敗。

具體的，步驟1中，所述人臉圖像特征為gabor人臉圖像特征或LBP（Local?Binary?Patterns）人臉圖像特征。

進(jìn)一步的，步驟2中，所述人臉圖像特征之差的計(jì)算為歐式距離或曼哈頓距離。

本發(fā)明的有益效果是，通過上述基于類內(nèi)類間距離的人臉驗(yàn)證方法，可以明顯提高人臉驗(yàn)證的正確性，不易出錯(cuò)，且所耗費(fèi)的系統(tǒng)資源并不龐大。

具體實(shí)施方式

下面結(jié)合實(shí)施例，詳細(xì)描述本發(fā)明的技術(shù)方案。

本發(fā)明所述基于類內(nèi)類間距離的人臉驗(yàn)證方法為：首先對(duì)給定人臉圖像樣本進(jìn)行人臉圖像特征提取，記為I_i,j,表示第i個(gè)人的第j張人臉圖像特征，I的特征維數(shù)記為N，然后計(jì)算不同人臉圖像特征之差構(gòu)成差空間，記為H（I_i,j-I_m,k），其中，同一個(gè)人的不同人臉圖像特征之差構(gòu)成類內(nèi)空間，即當(dāng)i=m時(shí)，不同人的人臉圖像特征之差構(gòu)成類間空間，即i≠m時(shí)，再標(biāo)記所有類內(nèi)空間中的人臉圖像特征之差為正樣本，所有類間空間中的人臉圖像特征之差為負(fù)樣本，然后再采用Adaboost做特征選擇，得到一個(gè)X維的特征序列，所述X<N，并對(duì)所有正樣本及負(fù)樣本按照X維的特征序列進(jìn)行特征抽取，得到X維的正負(fù)樣本，再對(duì)X維的正負(fù)樣本采用SVM進(jìn)行訓(xùn)練，得到兩類分類器，使用時(shí)，對(duì)需要驗(yàn)證的兩個(gè)人臉圖像樣本進(jìn)行人臉圖像特征提取，并計(jì)算其人臉圖像之差，對(duì)該人臉圖像之差按照X維的特征序列進(jìn)行特征抽取，特征抽取后使用兩類分類器進(jìn)行分類，若分類結(jié)果為正樣本，則認(rèn)為驗(yàn)證通過，若分類結(jié)果為負(fù)樣本，則認(rèn)為驗(yàn)證失敗。

實(shí)施例

本例中基于類內(nèi)類間距離的人臉驗(yàn)證方法，其具體步驟如下：