[發明專利]基于GB(2D)2PCANet深度卷積模型的人臉身份識別方法

有效

• 申請號: 201610044669.X
• 申請日: 2016-01-21
• 公開（公告）號: CN105718889B
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 蔣敏;鹿茹茹;孔軍;孫林;胡珂杰;王莉
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉

本發明公開了一種基于GB(2D)²PCANet深度卷積模型的人臉身份識別方法。模型訓練方法包括以下步驟：將預處理人臉樣本依次送入第一個特征提取層，從獲取的Gabor特征圖像中掃描多個子塊并去均值，利用(2D)²PCA提取最優投影軸，與訓練集原始樣本卷積，獲得第一層特征圖；將第一層特征圖送入第二個特征提取層，重復前述步驟，獲得第二層特征圖；二值化輸出特征圖，計算并拼接局部區域直方圖作為最終特征；將最終特征送入線性SVM分類器，獲得優化的人臉身份識別模型。本發明能夠自動學習有效的特征表達，不僅具有良好的局部性，而且對光照、表情和噪音等具有良好的魯棒性，提高了人臉身份的識別性能。

技術領域：

本發明屬于機器視覺領域，特別涉及一種基于GB(2D)²PCANet深度卷積模型的人臉身份識別方法。

背景技術：

人臉識別技術是利用計算機分析人臉視頻或圖像，從中提取人臉特征，并通過這些特征識別身份的一種技術。

目前人臉身份識別技術發展較快，取得了大量的研究成果。常見的人臉身份識別算法可分為幾類：基于幾何特征的人臉身份識別、基于子空間分析的人臉身份識別、基于彈性匹配的人臉身份識別、基于隱馬爾可夫模型的人臉身份識別、基于神經網絡的人臉身份識別和基于3D的人臉身份識別。如Takatsugu等[1] 使用一種基于動態鏈接結構的彈性匹配法來定位人臉,并根據人臉數據庫進行匹配識別。Lin等[2]采用正反例樣本進行強化學習，從而得到較為理想的概率估計結果，并采用模塊化的網絡結構加快網絡的學習速度。雖然人臉身份識別研究已積累了寶貴的豐富經驗,但目前的識別技術仍然不能對諸如人臉自身及所處環境的復雜性等情況進行有效的處理，如表情、姿態、光照強度等條件的變化以及人臉上的遮擋物，都會使人臉身份識別方法的魯棒性受到很大的影響。

本發明針對上述人臉身份識別存在的問題，提出了一種基于GB(2D)²PCANet 深度卷積模型的人臉身份識別方法，不僅吸取了深度模型和Gabor濾波的優點，可以提取數據中更加抽象的特征，對光照、表情、遮擋等因素具有魯棒性，而且克服了卷積神經網絡耗時及標簽數目需求量大的缺點。

發明內容：

本發明的主要目的是提出一種基于GB(2D)²PCANet深度卷積模型的人臉身份識別方法，在極大減少光照、表情、遮擋等因素干擾的同時，能夠高效地進行人臉識別。

為了實現上述目的，本發明提供如下技術方案，包含訓練階段和測試階段。

基于GB(2D)²PCANet深度卷積模型的人臉身份識別方法訓練階段技術方案如下：

步驟一、對已知人臉庫中的訓練集人臉圖像進行預處理，包括轉化成灰度圖和調整圖像尺寸到相同大小p×q；

步驟二、將訓練樣本依次送入GB(2D)²PCANet模型的第一個特征提取層，獲取第一個特征提取層的Gabor特征圖像；具體地，令表示人臉圖像訓練集，其中N為訓練集中的樣本數，表示一張人臉樣本圖像；將每個樣本 A_i依次送入第一個特征提取層，首先進行5個尺度和8個方向結合的2D Gabor 濾波，通過降采樣，得到最終的Gabor特征圖像[3]，記為其中s是特征圖像降采樣后的像素個數，t是2D Gabor濾波器的個數，t＝ 40；

步驟三、對每個Gabor特征圖像B_i，掃描提取m×n個l₁×l₂大小的圖像塊，對圖像塊進行去均值操作，獲得其中表示 B_i中第j個去均值圖像塊；所有Gabor特征圖像經過相同的處理之后，可得到樣本矩陣為了方便描述，用連續的序號表示I中所有的圖像塊并重記為