[發明專利]一種人臉識別系統及其方法

有效

• 申請號: 201410079648.2
• 申請日: 2014-03-06
• 公開（公告）號: CN103942531B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 高志榮;熊承義;汪淑賢;周城;侯建華;陳少平
• 申請（專利權）人: 中南民族大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 武漢宇晨專利事務所42001
• 代理人: 黃瑞棠

1.一種人臉識別系統，其特征在于：

本系統是一種基于圖像子空間恢復和分塊最大相似性嵌入稀疏編碼的人臉識別系統，由圖像子空間低秩恢復模塊（101）、第1圖像分塊模塊（102）、第2圖像分塊模塊（103）、圖像間相似度估計模塊（104）、第1特征降維模塊（105）、第2特征降維模塊（106）和稀疏編碼表示與識別模塊（107）組成；

其交互關系是：

圖像子空間低秩恢復模塊（101）分別與第1圖像分塊模塊（102）和第1特征降維模塊（105）并行交互；

圖像間相似度估計模塊（104）的輸入端分別與第1圖像分塊模塊（102）和第2圖像分塊模塊（103）交互，圖像間相似度估計模塊（104）的輸出端與稀疏編碼表示與識別模塊（107）交互；

稀疏編碼表示與識別模塊（107）分別與第1特征降維模塊（105）和第2特征降維模塊（106）并行交互；

所述的圖像子空間低秩恢復模塊101負責對輸入的每類訓練人臉圖像進行子空間低秩恢復處理，由原始的存在干擾成分的訓練人臉圖像得到較為干凈的訓練人臉圖像；

所述的第1圖像分塊模塊102負責對訓練人臉圖像進行非重疊分塊；

所述的第2圖像分塊模塊103負責對測試人臉圖像進行非重疊分塊；

所述的圖像間相似度估計模塊104負責估計輸入的測試人臉圖像與每一幅訓練人臉圖像的相似度值，其工作流程是：

A、計算測試人臉圖像每一子塊與訓練人臉圖像對應子塊間的均方誤差并取倒數；

B、求取各對應子塊間的均方誤差的倒數的最大值。

所述的第1特征降維模塊105負責對輸入的訓練人臉圖像進行特征降維，得到相應的降維表示；

所述的第2特征降維模塊106負責對輸入的測試人臉圖像進行特征降維，得到相應的降維表示。

所述的稀疏編碼表示與識別模塊107負責對測試人臉圖像所屬類的判別，其工作流程是：

a、計算測試人臉圖像基于所有訓練人臉圖像的稀疏編碼表示；

b、計算測試人臉圖像與由每一類訓練人臉圖像的線性表示之間的歸一化均方誤差；

c、通過比較歸一化均方誤差最小確定測試人臉圖像所屬的類。

2.按權利要求1所述系統的人臉識別方法，其特征在于包括如下步驟：

第1，開始；

第2，圖像子空間低秩恢復模塊將輸入的訓練人臉圖像按所屬類分別進行低秩恢復處理：

①將第c（c=1,2，...，C；C為全部訓練人臉圖像包含的總類數）類訓練人臉圖像先按列進行矢量化，然后組合表示為矩陣形式其中的a_c,i為屬于第c類的第i幅訓練人臉圖像的矢量化表示；

②采用下面公式實現對第c類訓練人臉圖像的子空間低秩恢復處理

A‾c=min||A‾c||*+λ||Ec||1,s.t.Ac=A‾c+Ec]]>

其中稱為由第c類訓練人臉圖像經過子空間低秩恢復處理得到的干凈訓練人臉圖像矩陣表示，為誤差人臉圖像矩陣；

第3，第1圖像分塊模塊和第1圖像分塊模塊同時分別對訓練人臉圖像和測試人臉圖像進行均等分非重疊分塊；通常采用以額頭、眼鏡、鼻子和嘴巴等人臉關鍵部位為基準進行均等分分塊，確保每一分塊圖像包含人臉面部的主要特征；用tt表示測試人臉圖像，tt^p,p＝1,2,...,P為tt圖像的第p分塊圖像，P為總的分塊數一般可取為4,6，或8；用c＝1,2,...,C;i＝1,2,...,K_c表示經由第2部處理后得到的第c類訓練圖像的第i幅圖像，為圖像的第p分塊圖像；

第4，圖像間相似度估計模塊估計輸入的測試人臉圖像與每一個訓練人臉圖像的相似度值：

①計算Sc,ip=1/||ttp-a-pc,i||2,p=1,2,...,P,c=1,2,...,C;]]>

②計算Sc,i=max{Sc,ip,p=1,2,...,P},c=1,2,...,C;]]>

式中用表示測試人臉圖像tt與訓練人臉圖像的對應第p分塊間的相似度值，用S_c,i表示測試圖像tt與訓練圖像的相似度值；

第5，第1特征降維模塊和第2特征降維模塊可采用但不限于用常用的主成分分析降維的方法對測試圖像和訓練圖像實現特征提取降維，得到測試圖像和訓練圖像的降維表示，用y表示tt圖像特征降維并矢量化的結果，用D_c,i表示圖像特征降維并矢量化的結果；

第6，稀疏編碼表示與識別模塊執行稀疏編碼表示并完成分類識別：

①構造訓練矩陣求解下面公式表示的稀疏編碼問題，

x^=argminx||y-Dx||22+λ||Wx||lp]]>

其中的l_p＝0,1或2，W＝diag{1/S_c,i}，λ為規則化因子取某個較小的常數；

②由下式計算測試人臉圖像與各類訓練人臉圖像線性表示的歸一化殘差，

err(c)=||y-Dcδc||22/||δc(x^)||22]]>

其中的D_c表示由第c類訓練圖像構成的子矩陣，表示系數矢量對應第c類訓練圖像的表示系數子矢量，

③由式根據歸一化誤差最小確定測試人臉圖像的所屬類別并輸出識別結果。