[發明專利]基于掩模的有遮擋人臉識別方法

有效

• 申請號: 201510363022.9
• 申請日: 2015-06-26
• 公開（公告）號: CN105095856B
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 楊小康;潘岑蕙;晏軼超;徐奕
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 徐紅銀;郭國中

1.一種基于掩模的遮擋人臉識別方法，其特征在于，包括以下步驟：

第一步、訓練過程，根據樣本數據，訓練PLDA人臉分類模型MDL；

第二步、訓練過程，根據樣本數據，訓練遮擋檢測模型；

第三步、識別過程，對待識別數據根據遮擋檢測模型檢測遮擋類型，依據相應的PLDA人臉分類模型MDL，進行人臉識別；

掩模所述的第一步包括以下步驟：

1.1)將彩色原圖像轉化成為灰度圖像I(x,y)；

1.2)對圖像I(x,y)使用基于Viola and Jones框架的人臉檢測算法和基于SDM與分塊放射變換的人臉對齊方法，進行人臉檢測與對齊，得到對齊后人臉區域圖像

1.3)對人臉圖像分別加入相應的掩模{M}_n，得到圖片其中n代表掩模的種類；

1.4)分別對人臉圖像以及加入掩模后的圖片提取人臉特征{Feature}_n，其中n＝0代表對人臉圖像提取的人臉特征；

1.5)分別對原圖片以及第i種掩模，i＝0,1,2,3…n，根據其對應的人臉特征{Feature}_i，訓練一個PLDA人臉分類模型mdl，總共訓練n+1個模型，MDL＝{mdl}_n+1。

2.根據權利要求1所述的基于掩模的遮擋人臉識別方法，其特征是，所述的第二步包括以下步驟：

2.1)采用二叉樹型多級SVM分類器進行逐層分類，用獲得的人臉特征{Feature}_n訓練多級SVM分類器；

2.2)依次使用人臉特征{Feature}_i和{Feature}_{i+1，i+2…n}，i＝0,1,2,3…n-1，訓練第i級SVM分類器；

2.3)總共訓練n個SVM分類器，通過二叉樹SVM分類器進行逐層分類，實現不同遮擋類型檢測。

3.根據權利要求2所述的基于掩模的遮擋人臉識別方法，其特征是，所述的2.3)，具體為：

首先使用人臉特征{Feature}₀和{Feature}_1，2…n訓練第1級SVM分類器，用來判斷輸入數據是否有遮擋部分；

然后使用人臉特征{Feature}₁和{Feature}_2，3…n訓練第2級SVM分類器，用來判斷輸入數據的遮擋類型是否為第i種掩模模型的遮擋情況；

以此類推，依次使用人臉特征{Feature}_i和{Feature}_{i+1，i+2…n}，i＝0,1…n-1，訓練第i+1級SVM分類器，用來判斷輸入數據的遮擋類型是否滿足第i種掩模模型的遮擋情況。

4.根據權利要求2所述的基于掩模的遮擋人臉識別方法，其特征是，所述的第三步包括以下步驟：

3.1)將彩色原圖像轉化成為灰度圖像I(x,y)；

3.2)對圖像I(x,y)使用基于Viola and Jones框架的人臉檢測算法和基于SDM與分塊放射變換的人臉對齊方法，進行人臉檢測與對齊，得到對齊后人臉區域圖像3.3)對圖像提取人臉特征feature；

3.3)對人臉特征feature使用基于SVM的遮擋檢測方法，通過二叉樹型多級SVM分類器進行逐層分類，檢測遮擋類型；

3.4)根據所檢測的遮擋類型，在所檢測的遮擋區域中在圖像加入對應的掩模，并且提取人臉特征feature_m；

3.5)根據所檢測的遮擋類型，從MDL中選擇對應的PLDA人臉分類模型{mdl}_i，對人臉特征feature_m進行人臉識別。

5.根據權利要求4所述的基于掩模的遮擋人臉識別方法，其特征是，所述的3.3)，具體為：

1級SVM分類器判斷輸入數據圖像I(x,y)是否有遮擋部分，若結果為有遮擋，則需要繼續進行第2級SVM分類器，否則令j＝0，并且不再進行后續SVM分類；

然后通過第2級SVM分類器判斷輸入數據圖像I(x,y)是否滿足第2種掩模模型的遮擋情況，若結果為滿足，則令j＝1，并且不再進行后續SVM分類，否則需要繼續進行第3級SVM分類器；

以此類推，依次通過第i+1級SVM分類器判斷輸入數據圖像I(x,y)是否滿足第i+1種掩模模型的遮擋情況，若結果為滿足，則令j＝i+1，并且不再進行后續SVM分類，否則需要繼續進行第i+2級SVM分類器，其中i＝2，3，…n-1。