[發明專利]一種基于域魯棒卷積特征學習的交叉視角人臉識別方法

有效

• 申請號: 201410583974.7
• 申請日: 2014-10-27
• 公開（公告）號: CN104318215B
• 公開（公告）日: 2017-09-19
• 發明（設計）人: 陳雪;王春恒;肖柏華
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 中科專利商標代理有限責任公司11021
• 代理人: 宋焰琴

技術領域

本發明屬于交叉視角人臉識別技術領域，具體涉及一種基于域魯棒卷積特征學習的交叉視角人臉識別方法。

背景技術

目前大多數的自動人臉識別系統在正臉視角下可以達到較高的識別性能。但是，在實際應用場景中獲取的人臉圖片一般處于各種各樣的視角，這種情況會使得人臉識別系統的性能大幅度退化。交叉視角人臉識別的困難主要在于人臉視角的變化處于3D空間中，而人臉圖像僅捕獲2D的外觀特征。隨著視角的變化，不同的人臉部件呈現在圖像中。這導致一個特殊的現象：不同身份相似視角的人臉圖像比相同身份不同視角的人臉圖像更為相似。由視角變化導致的差異比身份變化導致的差異更大，使得交叉視角人臉識別非常困難。

為了解決這個問題，基于統計學習的方法主要致力于學習針對特定視角的變換，然后用這些變換將樣本投影到一個公共的子空間中進行識別。Lin提出了公共區分性特征提取方法(CDEF)來將不同模態的樣本投影到一個公共的特征空間；Sharma和Li引入了偏最小二乘法(PLS)和典型相關分析(CCA)來最大化投影空間中變化視角人臉的類內相關性。但是這類方法有兩兩面的缺點：利用線性變換來構造投影空間，這種做法嚴重的限制了投影特征的表述能力；僅利用單一視角的數據來學習針對視角的變換，忽略了交叉視角數據的相關性。針對這些限制，很多方法被提出了。首先，深度神經網絡因為其強大的特征學習能力，在很多機器學習任務上取得了巨大的成果。深度神經網絡和卷積深度神經網絡是兩個主要的深度學習模型。此外，為了建模交叉數據間的統計相關性，基于域自適應的方法提出在交叉視角數據之間構造一條虛擬的內插路徑。其中，Li建模每個虛擬視角為特征的線性變換，基于虛擬路徑的特征表述致力于聯系交叉視角數據；Chopra提出基于深度模型的內插路徑來學習特征，該方法主要利用了交叉域數據間的分布轉移信息。

發明內容

本發明的目的是要解決交叉視角人臉識別中，相同身份不同視角的人臉圖像分布差異大的問題，為此，本發明提供一種基于域魯棒卷積特征學習的交叉視角人臉識別方法。

為了實現所述目的，本發明基于域魯棒卷積特征學習的交叉視角人臉識別方法，該方法包括以下步驟：

步驟S1：從源域人臉集和目標域人臉集中分別隨機采樣多個人臉圖像，組成一個虛擬域人臉集；

步驟S2：對源域人臉集、虛擬域人臉集和目標域人臉集分別訓練出源域、虛擬域和目標域的卷積深度神經網絡；

將源域人臉集中的人臉圖像輸入到源域、虛擬域和目標域的卷積深度神經網絡并分別計算，得到與所述網絡相應的源域人臉圖像的特征值，并將源域人臉圖像的特征值串接在一起，組成源域人臉集的人臉圖像的卷積特征；

將目標域人臉集中的人臉圖像輸入到源域、虛擬域和目標域的卷積深度神經網絡并分別計算，得到與所述網絡相應的目標域人臉圖像的特征值，并將三個所述網絡的目標域人臉圖像的特征值串接在一起，組成目標域人臉集的人臉圖像的卷積特征；

步驟S3：對源域人臉集和目標域人臉集建立源視角映射矩陣和目標視角映射矩陣，將源域人臉集的人臉圖像的卷積特征輸入到源視角映射矩陣，將目標域人臉集的人臉圖像的卷積特征輸入到目標視角映射矩陣，獲得源域人臉集的人臉圖像的卷積特征在映射空間中的源域新人臉特征值、獲得目標域人臉集的人臉圖像的卷積特征在映射空間中的目標域新人臉特征值；

步驟S4：通過約束源域新人臉特征值和目標域新人臉特征值的類內緊致性，優化源視角映射矩陣和目標視角映射矩陣；

步驟S5：對多張測試源視角人臉圖像和一張測試目標視角人臉圖像分別計算，得到并將多個源視角人臉圖像的卷積特征和一個目標視角人臉圖像的卷積特征輸入到與之相應的源視角映射矩陣和目標視角映射矩陣計算，得到測試源視角多個新人臉特征值和測試目標視角的一個新人臉特征值；對新人臉特征值計算得到測試目標視角的一個新人臉特征到測試源視角的多個新人臉特征之間的多個距離，并在多個距離中選擇最小距離對應的測試源視角人臉圖像的身份作為測試目標視角人臉圖像的身份。

本發明的有益效果：本發明引入卷積深度神經網絡作為特征學習模型，有效地學習分層非線性的人臉特征表述。此外，本發明對交叉視角人臉集之間采樣虛擬人臉集來構造內插路徑，有效的建模了交叉視角數據間的相關性。最后，本發明利用線性判別分析學習優化交叉視角的映射矩陣，使得變換后的特征具有良好的區分性。

附圖說明

圖1是本發明的基于域魯棒卷積特征學習的交叉視角人臉識別方法的流程圖。

具體實施方式