[發明專利]基于低秩變異字典和稀疏表示分類的人臉偽裝檢測及偽裝類別檢測方法

有效

• 申請號: 201810072104.1
• 申請日: 2018-01-25
• 公開（公告）號: CN108171215B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 楊曉慧;蔣瀟瀅;彭李超;楊利軍;韓勇;鄭晨;田晨曦;吳文銘;孫磊;王圣堯
• 申請（專利權）人: 河南大學
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V40/16
• 代理公司: 鄭州豫乾知識產權代理事務所(普通合伙) 41161
• 代理人: 李保平

本發明公開了一種基于低秩變異字典和稀疏表示分類的人臉偽裝檢測和識別方法，包括以下步驟：利用低秩分解出的稀疏部分構造變異字典庫。變異字典庫包含眼鏡偽裝和口罩偽裝。對用戶提交的檢索圖像進行低秩分解，得到低秩部分和稀疏部分，對檢索圖像的稀疏部分，計算偽裝檢測指標的值，如果偽裝檢測指標的值大于給定的閾值，檢索圖像判定為沒有偽裝；小于給定的閾值，檢索圖像判定為有偽裝，再進行下一步識別是哪一種偽裝，用構造好的變異字典庫對待檢測的偽裝進行稀疏表示，用重建誤差作為分類準則，檢測是哪一種偽裝并對偽裝進行去除。

技術領域

本發明涉及人臉偽裝檢測領域，尤其涉及一種基于低秩變異字典和稀疏表示分類的人臉偽裝檢測方法。

背景技術

人臉偽裝檢測作為智能監控系統的一部分，旨在解決以下主要實際問題：蓄意犯罪人員可能采用墨鏡、口罩等飾物偽裝面部，導致監控攝像機畫面無法拍攝到完整的人臉面部圖像，設計有效的人臉偽裝檢測方法是一種很好的解決途徑。

目前為止，大多數有關人臉偽裝檢測的研究主要集中在基于偽裝人臉識別上，而對于如何有效地從圖像中檢測偽裝人臉的研究并不多。Dong和Soh于2006年提出的方法是采用膚色檢測來分割出人臉區域，然后通過檢測面部特征來判斷是否存在人臉偽裝；Lin和Liu提出一種基于視覺的人體跟蹤系統來檢測人臉偽裝方法，首先對目標進行跟蹤，之后用一個橢圓模板來定位人頭區域，最后通過膚色檢測來確定面部是否存在偽裝；Inho Choi和Daijin Kim在2010年提出另一種人臉偽裝檢測的思路，他們首先使用基于MCT(ModifiedCensus Transform)變換的Adaboost人臉檢測器檢測圖像中的人臉區域，然后使用眼睛和嘴巴檢測器把人臉區域分割成三部分，采用神經網絡分別對三個區域進行偽裝和非偽裝的分類，最后通過一個置信區間來整體判斷人臉是否偽裝；同時，Woo-han Yun等人在他們的偽裝檢測研究工作中葉應用了MCT變換，不同的是他們在使用MCT變換后進行Adaboost訓練的過程中建立查找表，用查找表來提取特征當做得分，最后把各分類器得分的加權和做結果，再根據預先設置的閾值來進行偽裝判別。然而，在人臉偽裝檢測的過程中，沒有初步對人臉是否存在偽裝進行判斷。

基于稀疏表示的分類(Sparse Representation Based Classification,SRC)最初是由J.Wright等人提出并用于人臉識別的。SRC用訓練樣本表示測試樣本，并且對特征不敏感。然而，在訓練樣本較少時，SRC的分類性能不夠穩定。針對這個問題，Deng et al.提出了擴展的稀疏表示分類(Extended SRC，ESRC)，ESRC在SRC的基礎上加入了變異字典，用訓練樣本和變異字典表示測試樣本。變異字典的構造采用了兩種方法：每類樣本減去平均臉和每類樣本減去一幅自然樣本。然而，ESRC構造的變異字典通用性不夠強并存在冗余。

圖像經過低秩分解可以得到低秩部分對應的圖像背景和稀疏部分對應的圖像前景，然而，現有的方法主要關注其中的低秩部分，而忽略了稀疏部分隱藏的信息。低秩部分反映的是同一個人的人臉圖像的共有結構，稀疏誤差部分主要刻畫了原始圖像與低秩圖像之間的差異，反映的是人臉的變化。研究表明，偽裝變化引起的同一類人臉的類內變化甚至要大于不同類人臉的類間變化。

發明內容

針對上述情況，為克服現有技術之缺陷，本發明的目的是提供一種基于低秩變異字典和稀疏表示分類的人臉偽裝檢測方法，以及基于低秩變異字典和稀疏表示分類的人臉偽裝類別檢測方法，上述方法能夠有效地檢索人臉圖像是否帶有偽裝、是哪一種偽裝，進而去除偽裝進行人臉識別。

基于低秩變異字典和稀疏表示分類的人臉偽裝檢測方法：

STP1、假設有k類訓練圖像，將每類訓練圖像的每一幅人臉圖像拉成一個向量：

M1＝[M1₁,M1₂,…,M1_l].

第i類不帶遮擋訓練圖像記為：