[發明專利]一種基于多視角典型相關分析的人臉識別方法及其系統

有效

• 申請號: 201610055275.4
• 申請日: 2016-01-27
• 公開（公告）號: CN105718915B
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 劉偉鋒;楊興浩
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 青島致嘉知識產權代理事務所(普通合伙) 37236
• 代理人: 劉曉

1.一種基于多視角典型相關分析的人臉識別方法，其特征在于，包括以下步驟：

S1、對用于訓練的人臉圖像進行預處理，獲得低維的多視角人臉圖像信息；

S2、對預處理后的人臉圖像信息，分別計算每一視角的Hessian矩陣以及兩兩視角之間的Hessian矩陣；

S3、基于上述Hessian矩陣，分別計算每一視角及兩兩視角之間的協方差矩陣；

S4、在協方差矩陣的基礎上構建投影空間模型；

S5、求解上述模型得到投影空間；

S6、根據獲得的投影空間，對待識別人臉圖像進行分類識別。

2.根據權利要求1所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S1之前還包括步驟S0、獲取人臉圖像并對其用特征向量表示，所述人臉圖像包括用于訓練的人臉圖像以及待識別的人臉圖像。

3.根據權利要求1所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S1中對用于訓練的人臉圖像預處理具體過程如下：

S11、將向量表示的人臉圖像數據進行低通濾波，得到低頻子圖；

S12、對去噪后的數據進行降維處理，獲得預處理之后的多視角人臉圖像信息。

4.根據權利要求1所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S3中求得協方差矩陣的具體過程如下：

S31、分析計算第i視角的協方差矩陣，

S32、分析計算第i，j視角之間的協方差矩陣

其中，X⁽ⁱ⁾和X^(j)分別表示第i，j視角預處理之后的輸入圖像特征，和分別表示第i視角及第i，j視角之間的協方差矩陣，n表示訓練樣本圖像數；第i視角的Hessian矩陣用H_i表示，第i和第j視角的Hessian矩陣用H_ij＝H_i·*H_j表示。

5.根據權利要求1所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S5求解投影空間的模型時采用拉格朗日乘子法，具體過程如下：

S51、由投影空間模型獲得方程其中，α_i和α_j分別表示i，j視角的投影空間，和分別表示第i視角及第i，j視角之間的協方差矩陣，λ為拉格朗日乘數；

S52、求解上述方程對α_i的偏導，并令獲得最優投影空間；

S53、對步驟S52進行變換得到其中S^L是塊矩陣，其(i，j)塊元素是

S54、判斷矩陣是否奇異，若是，則執行S55，否則執行S56直接求解投影空間；

S55、以處理方法對矩陣進行調整，其中δ為正整數，I為單位矩陣；

S56、獲得投影空間。

6.根據權利要求1所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S4中利用協方差矩陣構建的投影空間模型為：

約束條件：

其中，m表示視角個數，表示投影后兩視角的相關系數。

7.根據權利要求3所述的一種基于多視角典型相關分析的人臉識別方法，其特征在于，所述步驟S12中對去噪后的數據采用K-L變換法進行降維處理。

8.一種基于多視角典型相關分析的人臉識別系統，其特征在于，包括：

圖像存儲模塊：用以獲取人臉圖像信息，所述人臉圖像信息包括用于訓練的人臉圖像以及待識別的人臉圖像；

圖像處理模塊：對獲取的人臉圖像采用特征向量表示；

模型構建模塊：對向量表示的用于訓練的人臉圖像預處理，獲得低維的多視角人臉圖像信息，對用于訓練的人臉圖像進行預處理，獲得低維的多視角人臉圖像信息；對預處理后的人臉圖像信息，分別計算每一視角的Hessian矩陣以及兩兩視角之間的Hessian矩陣；基于上述Hessian矩陣，分別計算每一視角及兩兩視角之間的協方差矩陣；在協方差矩陣的基礎上構建投影空間模型；求解上述模型得到投影空間；

分類識別模塊：將多視角人臉圖像信息在獲得的投影空間下投影，進而對待識別人臉圖像進行分類識別。