[發明專利]一種基于快速處理多距離度量學習的人臉認證方法

有效

• 申請號: 201710839181.0
• 申請日: 2017-09-18
• 公開（公告）號: CN107657223B
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 傅予力;張隆琴;周玉龍;陳維翔;向友君
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/32
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于快速處理多距離度量學習的人臉認證方法，所述方法包括：對訓練樣本集中的每個樣本提取K種特征；利用一種快速且有效的度量學習算法，獲得K種特征對應的初步距離度量矩陣；利用帶約束的目標函數對初步距離度量矩陣的特征值進行優化，從而獲得優化后的距離度量矩陣；對需要測試的兩個樣本，提取同樣的K種特征，并利用已學習到的距離度量獲得兩樣本的距離；若距離小于閾值，判斷為同一個人，若大于閾值，則判斷不是同一個人。本發明通過在帶約束的目標函數中優化矩陣的特征值從而優化距離度量矩陣，可以有效較少計算成本，提高學習速度，從而更加適用于實際場景。

技術領域

本發明涉及計算機視覺和模式識別技術領域，具體涉及一種基于快速處理多距離度量學習的人臉認證方法。

背景技術

人臉認證是計算機視覺的研究熱點之一，在信息安全和驗證方面有非常大的應用前景，如二代身份證的人臉驗證系統。由于人臉受到光照、年齡、姿勢等外在因素的影響，在不同環境中獲得的同一張人臉可能會有很大的差異，因此需要學習一種可以反映人們對相似性定義的度量，即距離度量學習，距離度量學習旨在學習一個馬氏距離度量，以使來自同一個人的人臉圖像之間的距離變得更近，而來自不同人的人臉圖像之間的距離變遠，以此更好的認證兩張人臉圖像是否屬于一個人。

在人臉圖像分析中，通常能夠提取多個特征表示每個人臉圖像，并且希望從這多個特征中獲得比從單個特征更多的有用信息，因此多距離度量學習旨在通過對每個人臉圖像提取的不同特征進行距離度量學習，利用更多對人臉描述有用的信息來更好的度量人臉的相似性。

發明內容

本發明提出了一種快速處理多距離度量學習的人臉認證方法，目的在于對人臉圖像的多種特征進行距離度量學習時，在保證高人臉認證準確率的前提下有較快的認證速度，從而更加適用于實際場景。

本發明的目的可以通過采取如下技術方案達到：

一種基于快速處理多距離度量學習的人臉認證方法，所述的人臉認證方法包括下列步驟：

輸入訓練集，其中，訓練集由兩個子集組成，子集S中的樣本對(x_i,x_j)來自同一個人臉，子集D中的樣本對(x_i,x_j)來自兩個不同的人臉；

對訓練子集中的每個人臉圖像均提取K種特征，表示樣本x_i的第k個特征，k＝1,2,……,K；

學習K種特征對應的距離度量矩陣及其權重；

輸入兩張人臉圖像作為測試樣本；

對輸入的兩張人臉圖像提取同樣的K種特征，并利用已經學習到的距離度量矩陣和權重計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，則是同一個人，若大于給定的第二閾值，則不是同一個人。

進一步地，所述的學習K種特征對應的距離度量矩陣及其權重包括：

a)利用KISS算法，求出每種特征對應的距離度量：

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表示由特征向量對應的特征值組成的對角矩陣；

c)以Λ_0k作為初始值，優化特征值變量Λ_k：