[發明專利]一種跨年齡人臉識別方法

有效

• 申請號: 201611153619.1
• 申請日: 2016-12-14
• 公開（公告）號: CN106650650B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 胡海峰;吳永波;李昊曦;杜靈雙
• 申請（專利權）人: 廣東順德中山大學卡內基梅隆大學國際聯合研究院;中山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明提供一種跨年齡人臉識別方法，該方法通過大量包含四個年齡段的人臉圖像訓練得到一個由兩大模塊(最大熵特征描述模塊和老化感知去噪自動編碼模塊)組成的跨年齡人臉識別系統，實現對任意兩幅不同年齡人臉圖像的識別。最大熵特征描述模塊利用決策樹的最大熵分裂來實現包含最大信息量的編碼分配，老化感知去噪自動編碼模塊將一個任意年齡段的特征描述符重構成四個不同年齡段的特征描述符，綜合這些描述符獲得一個消除老化影響的人臉綜合特征向量，最后計算不同人臉的綜合特征向量的余弦距離實現人臉識別。本發明能夠很好地減少一些傳統描述符的信息丟失問題，并且消除了跨年齡人臉識別中老化因素的影響，在跨年齡人臉識別問題中有很好的表現。

技術領域

本發明涉及人臉圖像處理領域，更具體地，涉及一種跨年齡人臉識別方法。

背景技術

隨著科學技術的不斷進步以及社會各方面對于快速有效的自動身份驗證的迫切需要,生物特征識別技術在近幾十年中得到了飛速的發展和應用,其中人臉識別技術成為了一個非常熱門的研究課題。但目前的人臉識別技術還存在一些問題,其中一個很重要的問題就是人臉識別的識別率受年齡的影響較大。在人臉識別中,不同個體之間的人臉差異往往小于相同個體在不同情況下的人臉差異，這種情形在跨年齡人臉識別問題中尤為常見。

人臉識別系統可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉特征提取就是針對人臉的某些特征進行的。其中一個經典的方法是采用提取局部人臉特征的方法,比如提取局部二值模式(LBP)和尺度不變特征轉換(SIFT)來做特征表達,雖然這些方法取得了一定的成功,但是依舊存在一些局限性,比如采用傳統的特征描述符(例如LBP和SIFT等)來提取通用的人臉局部特征,而傳統的LBP算法是基于經驗編碼的方式,其主觀地認為人臉特征中等價二值模式出現的頻率遠大于非等價二值模式，即認為大部分LBP碼中0、1的跳變次數不多于兩次，從而經驗地將非均勻的二值模式一律用同一個編碼來代表。事實上，在跨年齡人臉識別中，非均勻二值模式出現的頻率往往是很高的，這就導致了用LBP特征描述符描述丟失了大量的人臉特征信息，從而影響識別性能。

另一類解決跨年齡階段的人臉識別問題的方法是用老化感知去噪自動編碼器進行合成不同年齡的人臉，然后比較合成的同一年齡段的人臉來進行跨年齡人臉識別。這種方法有效地消除了年齡帶來的人臉識別的困難，但是這種方法中的自動編碼器的輸入輸出均為人臉圖像，沒有使用有效的特征描述符，因此存在效率低下、合成的人臉的魯棒性不好等問題。

綜上所述,現有技術提供的人臉識別方法,對跨年齡階段人臉的識別能力比較差。

發明內容

本發明提供一種跨年齡人臉識別方法，該方法解決現有技術對跨年齡人臉的識別能力較差的問題。

為了達到上述技術效果，本發明的技術方案如下：

一種跨年齡人臉識別方法，包括以下步驟：

S1：對要識別的人臉圖像進行密集采樣，即將人臉圖像劃分為多個互相重疊的塊，對每一塊進行像素矢量的提取，劃分時塊的重疊半徑采取多個值來盡可能保留人臉的局部信息；

S2：對于已提取的像素矢量，建立一棵決策樹，將樹的根節點概率值設置為1，采用最大熵的原則遞歸擴展樹，最后為樹的每個葉子節點分配一個編碼，其中，每個葉子節點代表了一個局部特征；

S3：對每一幅人臉圖像，將獲取的最大熵特征描述編碼串聯成一個特征向量，對該特征向量重新進行分割，采用主成分分析等方法對特征向量進行降維，獲得的低維特征向量v作為老化感知自動編碼器的輸入；

S4：用老化感知自動編碼器對特征向量v進行編碼，生成4個年齡段的人臉特征向量v'_i(i＝1,...,4)，其中4個年齡段包括：幼年，青年，成年，老年；