[發明專利]基于相似度保留堆疊自編碼器的人臉姿態重建與識別方法

有效

• 申請號: 201710316806.5
• 申請日: 2017-05-08
• 公開（公告）號: CN107220594B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 歐陽寧;林樂平;馬玉濤;莫建文;袁華;首照宇;張彤;陳利霞
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 劉梅芳

本發明公開了一種基于相似度保留堆疊自編碼器的人臉姿態重建與識別方法，其特征是，包括如下步驟：1）多角度人臉圖像的姿態角度步進減小；2）目標姿態特征提取；3）構建相似度保留自編碼器的總損失函數；4）堆疊相似度保留自編碼器；5）訓練并微調網絡；6）重建與識別：將重建好的正臉圖像和網絡的最高隱含層特征分別使用線性判別分析法，即LDA法進行降維來提取具有判別性的人臉特征，并用最近鄰分類器完成人臉識別。這種方法能夠消除人臉圖像的姿態角度偏轉影響、能夠提取到人臉對于多姿態變化更具魯棒性的特征，且提取到的姿態特征能和原始正臉圖像的特征相匹配，從而提高識別率。

技術領域

本發明涉及計算機視覺和模式識別領域，具體涉及基于相似度保留堆疊自編碼器的人臉姿態重建與識別方法。

背景技術

人臉姿態重建與識別由于其巨大的理論研究空間以及在廣泛的實際應用中具有良好的應用潛力，成為了目前的一個熱點研究領域。現實中，人臉在不同環境中易受姿態變化的影響，使得基于姿態變化的人臉識別問題成為了一個研究難點。識別帶有不同姿態角度變化的非配合主體對于公安刑偵破案、出入口控制、邊界安防等領域發揮著至關重要的作用。

在實際應用中，如視頻監控和圖像采集等場合，由于用戶的非配合，致使采集到的圖像存在不同程度的角度旋轉，從而導致人臉被部分遮擋以及臉部紋理形變，最后提取到的姿態特征不能很好和原始正臉圖像的特征相匹配，從而降低了識別率。

為了解決姿態變化帶來的人臉重建和識別問題，目前現有的技術主要為2D和3D兩類方法。2D方法中的經典方法是運用堆疊步進自編碼器網絡結構來將較大姿態的人臉圖像逐步地轉換為較小姿態的圖像，從而完成正臉姿態的重建。這種方法雖然能夠提取到魯棒性較強的姿態不變特征，但是其在某種程度上，使得在姿態重建過程中，人臉的局部紋理信息丟失太多，導致重建后的正臉圖像質量下降，從而影響了后續的識別性能；在3D方法中，則主要是運用基于三維人臉建模的方法來處理姿態變化帶來的識別性能降低等問題。基于3D建模的方法其計算量較大，且在某些情況下，運用3D方法進行姿態重建后的人臉其識別率沒有得到很大程度上的提升。

發明內容

本發明的目的是針對現有技術的不足，而提供一種基于相似度保留堆疊自編碼器的人臉姿態重建與識別方法。這種方法能夠消除人臉圖像的姿態角度偏轉影響、能夠提取到人臉對于多姿態變化更具魯棒性的特征，且提取到的姿態特征能和原始正臉圖像的特征相匹配，從而提高識別率。

實現本發明目的的技術方案是：

一種基于相似度保留堆疊自編碼器的人臉姿態重建與識別方法，包括如下步驟：

1)多角度人臉圖像的姿態角度步進減小：給定多角度姿態輸入圖像x(1)以及圖像x(1) 下一級小姿態角度圖像將x(1)作為第一步進自編碼器的輸入，則作為第一步進自編碼器的期望輸出，接著在第一步進自編碼器編碼過程中，通過編碼參數 {W1(1),b1(1)}將多角度姿態輸入圖像x(1)映射到隱含層h₁中，在第一步進自編碼器解碼過程中，又通過解碼參數{W1(2),b1(2)}將輸入圖像的隱含層特征h₁映射到輸出層y(1)，最后通過最小化均方誤差函數來實現姿態角度的步進減小；

2)目標姿態特征提取：將步驟1)中第一步進自編碼器的目標姿態角度圖像作為第一半自編碼器的輸入，通過參數{W1(3),b1(3)}將映射到第一半自編碼器的隱含層即為提取到的目標姿態特征；

3)構建相似度保留自編碼器的總損失函數：步驟1)中的第一步進自編碼器和步驟2) 中的第一半自編碼器構成一個相似度保留自編碼器，在第一步進自編碼器的損失函數中加入相似度保留約束項，即對輸入圖像的隱含層特征h₁和目標姿態的隱含層特征作相似度約束在損失函數中引入相似度保留項后，再在其中加入對隱含層特征h₁和的稀疏性限制即稀疏正則項，來共同構成網絡總的損失函數