[發(fā)明專利]一種基于快速處理多距離度量學(xué)習(xí)的人臉認(rèn)證方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710839181.0
• 申請(qǐng)日: 2017-09-18
• 公開（公告）號(hào): CN107657223B
• 公開（公告）日: 2020-04-28
• 發(fā)明（設(shè)計(jì)）人: 傅予力;張隆琴;周玉龍;陳維翔;向友君
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06F21/32
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

1.一種基于快速處理多距離度量學(xué)習(xí)的人臉認(rèn)證方法，其特征在于，所述的人臉認(rèn)證方法包括下列步驟：

輸入訓(xùn)練集，其中，訓(xùn)練集由兩個(gè)子集組成，子集S中的樣本對(duì)(x_i,x_j)來自同一個(gè)人臉，子集D中的樣本對(duì)(x_i,x_j)來自兩個(gè)不同的人臉；

對(duì)訓(xùn)練子集中的每個(gè)人臉圖像均提取K種特征，表示樣本x_i的第k個(gè)特征，k＝1,2,……,K；

學(xué)習(xí)K種特征對(duì)應(yīng)的距離度量矩陣及其權(quán)重；

輸入兩張人臉圖像作為測(cè)試樣本；

對(duì)輸入的兩張人臉圖像提取同樣的K種特征，并利用已經(jīng)學(xué)習(xí)到的距離度量矩陣和權(quán)重計(jì)算這兩張人臉圖像的距離d；

判斷，若兩張圖像的距離小于給定的第一閾值，則是同一個(gè)人，若大于給定的第二閾值，則不是同一個(gè)人；

其中，所述的學(xué)習(xí)K種特征對(duì)應(yīng)的距離度量矩陣及其權(quán)重包括：

a)利用KISS算法，求出每種特征對(duì)應(yīng)的距離度量：

式中，y_ij＝1表示和來自同一張人臉，y_ij＝-1表示和來自不同的人臉；

b)求出M_0k的特征向量和特征值：

式中，P_k表示由M_0k特征向量組成的矩陣，Λ_0k表示由特征向量對(duì)應(yīng)的特征值組成的對(duì)角矩陣；

c)以Λ_0k作為初始值，優(yōu)化特征值變量Λ_k：

式中，k和l分別表示圖像的第k種和第l種特征，表示和的馬氏距離，表示和的馬氏距離，表示第k種特征對(duì)應(yīng)的鉸鏈損失函數(shù)，w_k為J_k對(duì)應(yīng)的權(quán)重，參數(shù)μ_k為距離閾值，τ_k是對(duì)距離閾值的調(diào)整參數(shù)，根據(jù)訓(xùn)練樣本集的實(shí)際情況得到，其中h(x)＝max(x,0)；

d)利用上述求得的Λ_k及公式求得優(yōu)化后的距離度量M_k。

2.根據(jù)權(quán)利要求1所述的一種基于快速處理多距離度量學(xué)習(xí)的人臉認(rèn)證方法，其特征在于，所述的對(duì)訓(xùn)練子集中的每個(gè)人臉圖像均提取K種特征的特征提取方法包括LBP特征或SIFT特征提取方法。

3.根據(jù)權(quán)利要求1所述的一種基于快速處理多距離度量學(xué)習(xí)的人臉認(rèn)證方法，其特征在于，所述的距離d具體如下：

其中，M_k和w_k分別為每種特征對(duì)應(yīng)的距離度量及其權(quán)重。

4.根據(jù)權(quán)利要求3所述的一種基于快速處理多距離度量學(xué)習(xí)的人臉認(rèn)證方法，其特征在于，所述的判斷，若兩張圖像的距離小于給定的第一閾值，則是同一個(gè)人，若大于給定的第二閾值，則不是同一個(gè)人具體如下：

判斷若d²(x,y)μ_k-τ_k，則兩張人臉圖像是同一個(gè)人，若d²(x,y)μ_k+τ_k，則兩張人臉圖像不是同一個(gè)人，其中，參數(shù)μ_k和τ_k根據(jù)訓(xùn)練樣本集的實(shí)際情況得到，參數(shù)μ_k為距離閾值，τ_k是對(duì)距離閾值的調(diào)整參數(shù)。