[發明專利]人臉表示和相似度計算方法

有效

• 申請號: 201410604043.0
• 申請日: 2014-11-03
• 公開（公告）號: CN104408405B
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 北京暢景立達軟件技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種人臉表示和相似度計算算法。在離線訓練階段收集帶有標注的人臉訓練集，每人包含50?100張人臉圖像，將集合中圖像歸一化后劃分為2*2個相同大小的人臉塊。對每個人臉塊，稠密的提取k*k像素的小塊，進行均值歸零，方差歸一預處理后，基于K?means聚類學習卷積核。每個人臉塊得到K個卷積圖像，對整張輸入人臉的K*2*2個卷積圖像，分別進行均值Pooling操作和ReLU非線性操作后將所有響應圖的特征拉直。對拉直后的特征，學習主成分分析（PCA）投影，經過PCA降低維度后，基于線性判別分析（LDA）算法學習判別投影，得到緊湊、魯棒的人臉表示，對兩幅圖像的人臉表示進行內積運算得到相似度。

技術領域

本發明屬于計算機視覺和圖像處理技術領域，特別的涉及人臉的表示和相似度計算方法。

背景技術

計算機人臉識別是指基于已知的人臉樣本庫，利用計算機分析圖像和模式識別技術從靜態或動態場景中，識別或驗證一個或多個人臉，利用特征提取技術抽取人臉的多個可能的特征表示，該技術被廣泛的應用于公共安全，身份證明等重要場合，有效的進行人臉識別的關鍵在于快速，準確的進行人臉特征表示。現有技術中已經有一些人臉特征表示算法，利用卷積核對輸入人臉圖像進行卷積處理得到人臉的多維特征向量表示，運算涉及的卷積核選取沒有充分利用豐富的人臉訓練數據，特征向量的維度設置過小影響精度，設置過大影響速度，從而整體上制約了人臉特征表示以及相似度計算的準確性。

為克服現有技術的上述不足之處，本發明提出了一種基于卷積核學習的人臉表示算法和相似度計算方法，利用訓練集離線學習得到的卷積核參與到人臉圖像的卷積操作中，利用訓練集學習得到的降維和分析矩陣進行人臉判別特征提取，在得到緊湊、魯棒的人臉表示后，能夠快速的得到圖像之間的相似度，實現了準確，快讀，魯棒的人臉表示和相似度計算。

發明內容

本發明提出了一種人臉表示和相似度計算方法，其特征在于：

(1)收集生成網絡人臉訓練集；

(2)利用訓練集中的人臉圖像訓練得到卷積核；

(3)利用所述卷積核，對訓練集中的人臉圖像進行特征表示；

(4)利用所述卷積核，對輸入人臉圖像進行特征表示；

(5)在訓練集中的人臉圖像特征表示中提取判別特征；

(6)在輸入人臉圖像特征表示中提取判別特征；

(7)利用判別特征，計算圖像相似度。

優選的是，其中步驟(1)具體為：選擇C個名人，其中c=1,2,……，C，名人對應有張圖像，其中50<<100，名人對應的所有圖像集合為，將訓練集記為,訓練集合中的圖像，其中i=1,2,……，N，體現姿態、光照和表情的變化。

優選的是，其中步驟(2)具體為：將訓練集中的人臉圖像對齊，對齊后的人臉圖像大小為128*80像素，將每幅圖像劃分為2*2個大小相同的人臉塊，每個人臉塊圖像大小為64*40像素，對所有圖像的所有人臉塊分別進行處理，得到卷積核。

優選的是，其中對所有圖像的所有人臉塊分別進行處理，得到卷積核的步驟具體為：每幅圖像對應位置j的人臉塊記為，其中i=1,2,……N，j=1,2,3,4，在每個人臉塊上提取k*k大小的小塊，步長為1，則該人臉塊表示為：