[發明專利]人臉識別方法、裝置和存儲介質

有效

• 申請號: 201711085069.9
• 申請日: 2017-11-06
• 公開（公告）號: CN108090409B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 楊猛;王興
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發明公開了一種人臉識別方法、裝置及存儲介質，其方法包括：獲取待識別人臉圖像，對待識別人臉圖像，提取不同尺度不同方向的若干個Gabor特征圖像；根據預先配置的基于人臉特征點對人臉圖像進行劃分的策略，從Gabor特征圖像提取特征點；對提取特征點后的Gabor特征圖像，基于三重局部特征聯合表示，以及預先建立的類內變化字典和查詢字典，進行人臉識別。本發明大大增加了對人臉圖像非線性變換(如表情變化、姿態變化)的魯棒性，進而提高了識別率，同時也降低了算法復雜度。

技術領域

本發明涉及人臉識別技術領域，尤其涉及一種人臉識別方法、裝置及存儲介質。

背景技術

在計算機視覺和模式識別領域，人臉識別有著巨大的市場價值(如監控視頻、門禁系統等)，因此受到了學術界和工業界的廣泛關注。在人臉識別過程中，同一個人在不同拍攝環境下得到的人臉圖像一般存在較大的非線性變化，例如光照變化、表情變化、姿態變化和局部遮擋等。當待識別人臉圖像與查詢數據庫中同身份的人的人臉圖像存在較大非線性變化時，要求人臉識別算法對上述非線性變化有比較好的魯棒性，這樣才能夠準確地確定待識別人臉圖像的身份。另外，在實際應用中，查詢數據庫中每個人有可能只能獲取一張人臉圖像，比如電子護照人臉圖像、駕駛證人臉圖像等，此應用下的人臉識別稱為單樣本人臉識別。單樣本人臉識別比較困難，因為在訓練集中每個人只有一張人臉圖像，可以利用的信息非常有限，難以預測待識別人臉圖像的各種非線性變化。

目前的單樣本人臉識別方法可被分為如下的兩類：利用了廣義訓練集的方法和不需要用廣義訓練集的方法。不需要利用廣義訓練集的方法一定程度上提高了人臉識別的性能，但是他們沒有對單樣本組成的訓練集引入附加的變化信息，識別能力不足。用到了廣義訓練集的方法能夠從廣義訓練集中提取人臉變化信息來補償單樣本訓練集表達能力不足的缺點，以便處理待識別人臉圖像的各種變化，提高識別能力。目前研究人員對此方法進行了一定的研究，并且取得了一定的成果，如Deng等在2012年提出了擴展的稀疏表示分類器(ESRC)，Zhu等在2014年提出了局部廣義表示方法(LGR)。但是ESRC用整體人臉圖像作為特征向量，魯棒性能不是非常好，并且需要求解稀疏約束的優化問題，計算復雜度高。LGR通過將整體圖像按照行和列均等的劃分為多個小塊，對每個小塊進行編碼表示，然后綜合各個小塊的表示誤差推斷出最終的人臉身份。其次，ESRC和LGR都是用灰度特征來表示人臉圖像，灰度特征對人臉圖像的非線性變化(如表情變化、姿態變化)魯棒性不足，導致識別性能下降。最后，LGR在對各個小塊進行單獨表示時忽略了各個小塊來自于同一個人臉的事實。

因此，當前的人臉識別算法存在諸多不足：如對人臉圖像的非線性變換(如表情變化、姿態變化)魯棒性不好，識別性能低下等缺點。

發明內容

本發明提供一種人臉識別方法、裝置及存儲介質，旨在提高人臉識別方法的魯棒性、提高識別性能，降低算法復雜度。

為實現上述目的，本發明提供一種人臉識別方法，包括：

獲取待識別人臉圖像，對所述待識別人臉圖像，提取不同尺度不同方向的若干個Gabor特征圖像；

根據預先配置的基于人臉特征點對人臉圖像進行劃分的策略，從所述Gabor特征圖像提取特征點；

對提取特征點后的Gabor特征圖像，基于三重局部特征聯合表示，以及預先建立的類內變化字典和查詢字典，進行人臉識別。

可選地，所述對提取特征點后的Gabor特征圖像，基于三重局部特征聯合表示，以及預先建立的類內變化字典和查詢字典，進行人臉識別的步驟包括：

初始化第j(j＝1,2,...,J)個Gabor特征圖像的第k(k＝1,2,..,K)個特征點處的三重局部特征y_jk的權重ω_jk為1，初始化當前迭代次數t＝0，初始化最大迭代次數T為一常數；

令t＝t+1；