[發明專利]一種低分辨率人臉識別方法

在審

• 申請號: 201610079249.5
• 申請日: 2016-02-04
• 公開（公告）號: CN105654070A
• 公開（公告）日: 2016-06-08
• 發明（設計）人: 鄒國鋒;傅桂霞;萬隆;尹麗菊;高明亮;姜殿波;張存山
• 申請（專利權）人: 山東理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 淄博佳和專利代理事務所 37223
• 代理人: 張雯

1.一種低分辨率人臉識別方法，其特征在于：包括訓練階段和識別階段，每個階段具體 包括如下步驟，

訓練階段：首先，讀入人臉庫中不同個體的退化人臉和高質量人臉圖像，分別構造退化 人臉訓練樣本集合X和高質量人臉訓練樣本集合Y；其次，基于這兩個訓練樣本集合，采用基 于有監督局部保持投影的度量學習算法，將不同質量的兩種圖像映射到一個公共的統一空 間中；然后，在統一空間中完成兩組人臉訓練樣本數據的距離度量；

識別階段：運用訓練階段的映射度量矩陣對退化的測試人臉圖像和已有的高質量標準 圖像進行處理，快速、準確的識別退化人臉。

2.根據權利要求1所述的一種低分辨率人臉識別方法，其特征在于：所述的退化人臉訓 練樣本集合所述的高質量人臉訓練樣本集合 且每個集合中包含多個人的多幅維數不同的人臉，其中 和為原始人臉數據空間。

3.根據權利要求1所述的一種低分辨率人臉識別方法，其特征在于：所述的距離度量的 具體步驟包括，

3.1、分別針對退化人臉訓練樣本集合和高質量人臉訓練樣本集合建立集合內的鄰域 關系圖，鄰域關系建立采用k近鄰法；

3.2、將屬于同一個個體的兩個不同集合的數據點相互連接，建立退化人臉訓練樣本集 合和高質量人臉訓練樣本集合間的連接關系圖；

3.3、基于同一集合內的鄰域關系圖，構建同一集合內的相似度矩陣；

3.4、基于兩個集合間的連接關系圖，構建兩個集合之間的相似度矩陣S，相似度大小為

3.5、計算兩個集合之間的最終相似度矩陣C，其元素為：

Cij=exp(-D/t)0;]]>

3.6、構造退化人臉和高質量人臉集合間人臉度量的最優化目標方程：

J=Σ(i,j)∈C||WaT(fx(xi)-fy(yj))||2=ΣiΣj||WaT(fx(xi)-fy(yj))||2·Cij]]>

其中，映射函數f_x和f_y將人臉數據集合X和Y中的元素從原空間映射到一個公共的統一空 間中，映射后的集合分別為和則在統一空間中引入距離 度量的定義，W_a為度量矩陣，當映射函數f_x和f_y為線性變換時，則最優化目標函數變為：

J=ΣiΣj||WaT(fx(xi)-fy(yj))||2·Cij=ΣiΣj||WaTWxTxi-WaTWyTyj||2·Cij]]>

令P_x＝W_xW_a，P_y＝W_yW_a，于是有

J=ΣiΣj||WaTWxTxi-WaTWyTyj||2·Cij=ΣiΣj||PxTxi-PyTyj||2·CijΣiΣj(PxTxi-PyTyj)T(PxTxi-PyTyj)CijΣiΣj(xiTPx-yjTPy)(PxTxi-PyTyj)Cij=ΣiΣj(xiTPxPxTxiCii+yjTPyPyTyjCjj-xiTPxPyTyjCij-yjTPyPxTxiCji)---(1);]]>

3.7、求解上述的公式(1)目標方程，目標方程可轉化為如下條件極值問題：

minJ(P)＝minTr[P^TZΓZ^TP]st.P^TZZ^TP＝IandP^TZe＝0

通過求解廣義特征值Ep＝λFp來得到，其中E＝ZΓZ^T，F＝ZZ^T，p為對應于特征值λ的特征 向量，然后，選取對應于第2小到第(D_c+1)小的特征值對應的特征向量組成變換矩陣P，其大 小為(D_x+D_y)×D_c，其中D_x和D_y分別為集合X和Y的樣本的維數，同時能夠得到對應于集合X的 變換矩陣P_x，其大小為D_x×D_c，對應于集合Y的變換矩陣P_y，其大小為D_y×D_c；

3.8：將P_x和P_y帶回到公式(1)即可獲得退化人臉和高質量人臉兩個不同集合間人臉的 距離度量。