[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

本發明公開一種基于掩模的遮擋人臉識別方法，該方法包括以下步驟：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。本發明利用了人臉遮擋檢測算法，使用掩模覆蓋遮擋物，形成新的人臉子空間。針對不同的遮擋，在不同的人臉子空間中訓練PLDA分類器，最后通過人臉比對計算樣本對的相似度。本發明是一種能提高有遮擋情況下人臉識別率的方法，通過添加掩模充分利用不同的人臉子空間，提高人臉識別準確率。

技術領域

本發明涉及的是一種人臉識別技術領域的遮擋識別方法，具體涉及的是一種基于掩模(mask)的有遮擋人臉識別方法。

背景技術

在實際人臉圖像處理過程中，經常出現人臉圖像遮擋(如眼鏡、帽子等)，而遮擋對人臉識別的性能有很大的影響。遮擋人臉圖像分為無意遮擋和有意遮擋。常見的無意遮擋包括帽子、眼鏡等，而有意遮擋通常為墨鏡、口罩或是其他物體擋住面部五官。有意遮擋通常由于特征變化過大，容易造成識別失敗，導致較高的誤識別。無意遮擋通常僅遮擋小部分面部特征，容易導致特征提取過程中引入過多干擾特征。遮擋物體的不確定性以及遮擋區域的不確定性使人臉圖像的固有特征中常呈現為各種局部特征的缺失，限制了遮擋人臉識別方法的應用。

因此，如何快速、自動檢測不確定的人臉遮擋區域并降低遮擋對人臉識別的影響成為近年來人臉圖像處理的研究熱點之一。研究各種遮擋條件下具有良好魯棒性的人臉識別新方法對于提高實際人臉識別系統的性能顯得尤為重要。

申請號為CN201210589510.8的中國專利，該發明公開了一種遮擋自適應人臉識別方法，包括：步驟1，針對人臉圖片訓練集中每一樣本提取遮擋特征；步驟2，基于遮擋特征，進行統計學習建模，建立遮擋檢測模型，用于檢測圖片中是否存在遮擋；步驟3，對模板圖片進行注冊，提取和保存模板圖片的識別特征，并對模板圖片進行遮擋檢測，保存遮擋檢測結果；步驟4，對待識別圖片進行識別，獲得識別結果；步驟5，利用所述遮擋檢測模型對待識別圖片進行遮擋檢測，根據檢測結果對上述識別結果進行調整。但是該專利技術不能很好解決有意遮擋帶來的干擾。

發明內容

為解決上述內容中提到的由于不確定人臉遮擋而造成較高誤識別率的問題，針對不同遮擋場景，本發明提供一種基于掩模的有遮擋的人臉識別方法。

為實現上述目的，本發明采用的技術方案是：本發明首先在訓練過程中采用基于Viola and Jones框架的人臉檢測算法和基于SDM(Supervised Descent Method，監督下降法)與分塊放射變換的人臉對齊方法，進行人臉檢測與對齊，得到對齊后圖像，再分別加入不同掩模，提取人臉特征，并且對不同的掩模分別訓練一個PLDA(Probabilistic LinearDiscriminant Analysis，概率線性鑒別分析)人臉分類模型；然后在識別過程中，對待識別數據采用相同的方法進行人臉檢測和人臉對齊，之后再使用基于SVM(支持向量機)的遮擋檢測方法判斷遮擋類型，并在檢測的遮擋區域加上相應的掩模，同樣提取人臉特征，最后從人臉分類模型MDL中選擇對應的PLDA人臉分類模型，進行人臉識別。

本發明所述方法包括以下步驟：

第一步、訓練過程，根據樣本數據，訓練PLDA人臉分類模型MDL；

優選的，第一步具體包括：

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。