[發明專利]一種基于聯合表示分類的集體人臉識別方法

有效

• 申請號: 201610113642.1
• 申請日: 2016-02-29
• 公開（公告）號: CN105760845B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 王麗平;羅愛文;陳松燦
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔;徐曉鷺

本發明公開一種基于聯合表示分類的人臉集識別方法，主要解決傳統方法不能考慮樣本間的相關關系及每次只能編碼和識別一張人臉圖像的問題；其具體步驟為：(1)預處理訓練和測試人臉圖像集；(2)給定參數及變量初始化；(3)求解模型極小化問題獲得編碼矩陣；(4)計算表示誤差并分類測試人臉集；本發明考慮了不同樣本之間的相關性，將傳統人臉表示的向量編碼擴展為矩陣編碼，使之一次能夠同時編碼和識別多張人臉圖像集，顯著降低了算法時間和計算復雜度并提高了人臉識別率，更利于大規模人臉識別或檢索及其并行化。

技術領域

本發明涉及人臉識別技術領域，是一種基于聯合表示分類的人臉集識別方法。

背景技術

最近幾年，人臉識別技術作為一種非接觸的和獲取對象簡便的識別手段，在安保、刑偵、考勤和金融等領域具有廣泛應用前景。其中基于表示分類的人臉識別技術也越來越受到人們的歡迎。其主要思想可以歸結如下兩步：(1)用所有訓練樣本的線性組合編碼表示每一個測試樣本；(2)然后測算并得到一個最小表示誤差以分類測試樣本。Wright等人在文獻“Robust face recognition via spare representation”([J].IEEE Trans.PAMI，2009，(31)(2)：210-227.)中提出一種基于稀疏表示分類(Sparse representation basedclassification，SRC)的人臉識別方法，該方法能有效的提取訓練樣本集最重要的表示特征，并直接利用此稀疏編碼表示來分類每一個測試樣本。該方法的實驗結果表明SRC方法在人臉識別方面能獲得一種很大提高，并促進了圖像分類的應用。然而，張等人在文獻“Sparse representation or collaborative representation：which help facerecognition”([C].13^th International Conference on Computer Vision，2011，pp.471-478.)中表示SRC方法過于強調其l₁-范數的稀疏性而忽略了整個合作表示的影響。因此，他們提出一種帶規則化最小二乘的基于合作表示分類的方法(Collaborativerepresentation based classification with regularized least square，CRC-RLS)用于人臉識別。由于該方法的平滑性，使得識別問題更易于求解。此外，支持向量機(SupportVector Machine，SVM)方法以結構化風險最小化為原則，以獲得正確區分不同樣本且具有最大分類余地的最優分類超平面為目的，這樣既有效的防止過度擬合現象發生，又降低尋求最優分類函數的計算量。

但是，以上這些基于向量編碼表示的傳統人臉識別方法，包含如下一些不足：(1)對于測試樣本，都必須是每一個樣本單獨做一次編碼表示并分類識別。然而，實際中人臉識別應用，其大規模的訓練樣本都是從視頻流或相冊集中收集圖像樣本；且一般都是一系列測試圖像集而非單張測試樣本用來人臉識別分類。因而基于向量編碼表示分類的方法并不能有效的工作。(2)對所有測試樣本而言，都是單獨一個測試樣本做一次編碼表示，而忽略了隱藏在所有測試樣本集中不同樣本間的相關關系。從而導致不同樣本之間的差別性和相似性被完全忽略。我們知道人臉圖像集共享一些相似的特征范式，比如圖像樣本中眼睛或嘴邊明顯要比前額或臉頰更具有區分力度，這是一種常識性的相關關系。(3)盡管l₂-范數比l₁-范數更具平滑性，但是有文獻表明分數范數具有更優的稀疏性。(4)不同的傳統識別方法，必須由不同的算法去求解不同的優化問題，它們沒有一種統一的表示和求解方法。