[發(fā)明專利]人臉識(shí)別方法和裝置有效
| 申請(qǐng)?zhí)枺?/td> | 201510843973.6 | 申請(qǐng)日: | 2015-11-26 |
| 公開(kāi)(公告)號(hào): | CN106803055B | 公開(kāi)(公告)日: | 2019-10-25 |
| 發(fā)明(設(shè)計(jì))人: | 丁守鴻;李季檁;汪鋮杰;黃飛躍;吳永堅(jiān);譚國(guó)富 | 申請(qǐng)(專利權(quán))人: | 騰訊科技(深圳)有限公司 |
| 主分類號(hào): | G06K9/00 | 分類號(hào): | G06K9/00 |
| 代理公司: | 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138 | 代理人: | 劉映東 |
| 地址: | 518000 廣東省深圳*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 識(shí)別 方法 裝置 | ||
1.一種人臉識(shí)別方法,其特征在于,所述方法包括:
提取目標(biāo)人臉圖像的局部二值模式LBP特征向量;
根據(jù)所述LBP特征向量,計(jì)算所述目標(biāo)人臉圖像的高維特征向量;
獲取人臉圖像庫(kù)中的每個(gè)人的高維特征向量,其中,所述人臉圖像庫(kù)包括m*n張人臉圖像,m為所述人臉圖像庫(kù)中的人的個(gè)數(shù),n為每個(gè)人的人臉圖像的張數(shù);
初始化Sμ和Sε;Sμ為m維方陣,是所述人臉圖像庫(kù)中每個(gè)人的n張人臉圖像的協(xié)方差矩陣;Sε為m*n矩陣,是所述人臉圖像庫(kù)中不同人之間的協(xié)方差矩陣;
計(jì)算F和G:
根據(jù)所述F和所述G,計(jì)算所述人臉圖像庫(kù)中第i個(gè)人的高斯分布均值μi,以及所述第i個(gè)人和第j個(gè)人的聯(lián)合分布協(xié)方差矩陣εij,其中,xi為所述第i個(gè)人的高維特征向量,xj為所述第j個(gè)人的高維特征向量;
更新所述Sμ和所述Sε:
若所述Sμ和所述Sε不收斂,則再次執(zhí)行所述計(jì)算F和所述G的步驟;
若所述Sμ和所述Sε收斂,則根據(jù)所述Sμ和所述Sε收斂時(shí)的所述F和所述G,以及收斂時(shí)的所述Sμ和所述Sε,計(jì)算并存儲(chǔ)訓(xùn)練矩陣,所述訓(xùn)練矩陣A=(Sμ+Sε)-1-(F+G),
獲取訓(xùn)練矩陣,所述訓(xùn)練矩陣為通過(guò)聯(lián)合貝葉斯算法對(duì)人臉圖像庫(kù)中的人臉圖像訓(xùn)練得到的矩陣;
根據(jù)所述目標(biāo)人臉圖像的高維特征向量以及所述訓(xùn)練矩陣,對(duì)所述目標(biāo)人臉圖像進(jìn)行人臉識(shí)別。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述根據(jù)所述目標(biāo)人臉圖像的高維特征向量以及所述訓(xùn)練矩陣,對(duì)所述目標(biāo)人臉圖像進(jìn)行人臉識(shí)別,包括:
獲取參考人臉圖像的高維特征向量;
設(shè)所述目標(biāo)人臉圖像的高維特征向量為xa,所述參考人臉圖像的高維特征向量為xb,所述訓(xùn)練矩陣包括A和G;
根據(jù)所述目標(biāo)人臉圖像的高維特征向量、所述參考人臉圖像的高維特征向量以及所述訓(xùn)練矩陣,計(jì)算所述目標(biāo)人臉圖像和所述參考人臉圖像的相似度,所述相似度為:
其中,為xa的轉(zhuǎn)置向量,為xb的轉(zhuǎn)置向量。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述提取目標(biāo)人臉圖像的局部二值模式LBP特征向量,包括:
獲取k個(gè)縮放后的目標(biāo)人臉圖像,k個(gè)所述縮放后的目標(biāo)人臉圖像為按照k個(gè)預(yù)設(shè)倍數(shù)對(duì)所述目標(biāo)人臉圖像分別進(jìn)行縮放后得到的圖像,k為正整數(shù);
對(duì)于所述目標(biāo)人臉圖像以及k個(gè)所述縮放后的目標(biāo)人臉圖像中的每一張人臉圖像,確定所述人臉圖像中的人臉關(guān)鍵點(diǎn),提取所述人臉關(guān)鍵點(diǎn)處的LBP特征向量;
根據(jù)提取到的各個(gè)所述人臉關(guān)鍵點(diǎn)的LBP特征向量,組合確定所述目標(biāo)人臉圖像的LBP特征向量。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述根據(jù)所述LBP特征向量計(jì)算所述目標(biāo)人臉圖像的高維特征向量,包括:
設(shè)所述目標(biāo)人臉圖像的LBP特征向量為xr;
對(duì)進(jìn)行主成分分析PCA降維,保留前N維特征,得到降維矩陣P,N為正整數(shù);
對(duì)所述xr,計(jì)算:xp=Pxr;
對(duì)所述xp進(jìn)行三層貝葉斯概率模型LDA降維,得到降維矩陣L;
對(duì)所述xp計(jì)算:x=Lxp,x即為所述目標(biāo)人臉圖像的高維特征向量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201510843973.6/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 識(shí)別媒體、識(shí)別媒體的識(shí)別方法、識(shí)別對(duì)象物品以及識(shí)別裝置
- 一種探針卡識(shí)別裝置和方法
- 識(shí)別裝置、識(shí)別方法以及記錄介質(zhì)
- 識(shí)別裝置、識(shí)別系統(tǒng),識(shí)別方法以及存儲(chǔ)介質(zhì)
- 識(shí)別程序、識(shí)別方法以及識(shí)別裝置
- 車載身份識(shí)別方法及系統(tǒng)
- 車載身份識(shí)別方法及系統(tǒng)
- 車載身份識(shí)別方法及系統(tǒng)
- 識(shí)別裝置、識(shí)別方法以及識(shí)別程序
- 識(shí)別裝置、識(shí)別方法及識(shí)別程序
- 一種數(shù)據(jù)庫(kù)讀寫分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測(cè)試終端的測(cè)試方法
- 一種服裝用人體測(cè)量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測(cè)程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





