[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

本發明涉及一種基于多視角典型相關分析的人臉識別方法及其系統，通過對用于訓練的人臉圖像進行低通濾波獲得低頻子圖，采用K?L變換對去噪后的數據進行降維處理；然后對預處理后人臉圖像數據計算各視角及兩兩視角之間的Hessian矩陣，通過對樣本圖像訓練生成多視角的投影空間，通過在空間投影進行人臉識別。本發明通過降維獲得多視角人臉圖像信息，減小識別計算量，提高識別精度，并且Hessian矩陣采用了更高的二階梯度，能夠反應出更精細的局部結構，更有利于發現隱藏在多視角數據中的結構信息，提高本發明人臉識別效果，具有較高的實際應用價值。

技術領域

本發明涉及人臉識別技術領域，具體涉及一種基于多視角典型相關分析的人臉識別方法及其系統。

背景技術

隨著科技的快速發展，以及人們對于高效，便捷生活方式的不斷追求，快速有效的身份驗證技術也得到了廣泛的關注，例如在銀行監控、門禁系統、出入境檢查、刑事偵查等諸多領域有廣泛應用。身份驗證所用到的生物特征多種多樣，比如：人臉識別，視網膜識別，指紋識別等。其中，人臉識別技術具有低成本，隱蔽性強，用戶友好等優點在身份驗證中具有不可替代的作用。

現有最經典的多視角人臉識別方法是基于MCCA的人臉識別方法，由于MCCA沒有考慮到局部數據之間的相關性，因此只是一種線性多視角降維技術，不能有效的發現隱藏在高維多視角數據中的非線性信息。為了彌補MCCA不能有效的提取多視角人臉數據之間的非線性信息又提出一種基于LapMCC的人臉識別方法。LapMCC是在MCCA的基礎上結合了p-近鄰圖，并假設樣本點與鄰近的樣本點之間是線性相關的，將整體的非線性問題分解成多個線性的子問題，從而可以發現多視角數據之間的非線性結構信息。

但是，上述兩種方法在反應更精細的局部結構方面仍有欠缺，不利于發現隱藏在多視角數據中的結構信息，導致人臉識別效果不盡如人意，實際應用效果差。

發明內容

本發明的目的是針對上述現有技術中存在的缺陷，提出的一種基于多視角典型相關分析的人臉識別方法及其系統，可以實現有效的多視角人臉識別，提高人臉識別的可靠性和穩定性。

為了達到上述目的，本發明提出一種基于多視角典型相關分析的人臉識別方法，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；其中，Hessian矩陣中包含有比Laplacian矩陣更精細的多視角數據之間的局部相關性信息，更有利于發現隱藏在多視角數據中的結構信息；

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，由此協方差矩陣中便包含了所需的局部相關性信息；

S4、在協方差矩陣的基礎上構建投影空間模型；此模型比LapMCC模型就局部相關性的精細程度而言更具優越性，從而達到更好的識別效果；

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。

進一步的，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。

進一步的，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、由于Hessian矩陣涉及二階梯度，對噪聲比較敏感，將向量表示的人臉圖像數據進行低通濾波，去掉高頻噪聲，獲得低頻子圖；

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，減小識別計算量，提高識別精度。

進一步的，所述步驟S3中求得協方差矩陣的具體過程如下：