[發明專利]一種基于多尺度上下文信息融合的魯棒人臉識別方法

有效

• 申請號: 201911163739.3
• 申請日: 2019-11-25
• 公開（公告）號: CN111008575B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 張皖;高廣謂;吳松松;鄧松;汪焰南;岳東
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/80
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽;杜春秋

本發明提出了一種基于多尺度上下文信息融合的魯棒人臉識別方法，包括以下步驟：獲取人臉關鍵點上下文信息；在特定尺度下對關鍵點圖像塊集合進行分；對待識別樣本進行多尺度集成分類。本發明充分考慮人臉圖像不同部位的上下文語義信息差異，提出使用檢測到的關鍵點周圍圖像塊集合來描述人臉圖像不同部位的上下文語義信息，并使用多尺度集成方法來降低待識別樣本圖像塊的尺度大小對識別效果的影響，提高了識別精度，為后續人臉識別方法的發展提供幫助。

技術領域

本發明涉及一種圖像識別方法，具體的說是一種基于多尺度上下文信息融合的魯棒人臉識別方法，屬于圖形識別技術領域。

背景技術

人臉識別是計算機視覺領域中的一項熱門的研究課題，它將計算機圖像處理技術和統計學技術融入到一起，并以其非接觸性、非侵擾性等優點廣泛應用于各個領域，如：金融領域、公安系統、社保領域、機場安檢人臉識別等?；趫D像塊的人臉識別方法更是取得了顯著性能，通常是先對待識別樣本分塊，再把多個尺度的圖像塊識別分類結果集成起來得到最終待識別樣本的分類結果。基于圖像塊的多尺度集成人臉識別方法具有一個明顯的優勢是它考慮了不同尺度圖像塊對識別效果的影響。然而這些方法只是把待識別樣本直接進行分塊識別，并沒有考慮到人臉圖像不同部位包含的上下文語義信息不同，對局部特征的描述也不同，從而對最終識別結果所作貢獻的大小不同。

將現有的人臉檢測和識別方法歸類如下：

1.通過顯性形狀回歸進行面部對齊[1]自動檢測待識別人臉圖像的關鍵點，有利于對面部局部特征進行描述，其對姿勢，表情和遮擋變化具有魯棒性。

[1]X.Cao,Y.Wei,F.Wen,J.Sun,“Face alignment by explicit shaperegression”Int.J.Computer.Vis.107(2)(2014),pp.177–190.

2.基于協同表示的分類方法(CRC)[2]待識別樣本用所有類的訓練樣本進行線性表示，哪一類的訓練樣本對待識別樣本的表示貢獻最多，就把待識別樣本歸為哪一類。

[2]L.Zhang,M.Yang,and X.Feng,“Sparse representation or collaborativerepresentation:Which helps face recognition？”in Proc.Int.Conf.Comput.Vis.(ICCV),Nov.2011,pp.471–478.

3.基于多尺度圖像塊的協作表示人臉識別(MSPCRC)[3]對待識別人臉圖像進行分塊，對每一塊圖像利用CRC分類，再把待識別樣本不同尺度的分類結果利用間隔分布優化方法集成起來得到最終的識別結果。

[3]P.Zhu,L.Zhang,Q.Hu,and Simon C.K.Shiu,“Multi-scale Patch basedCollaborative Representation for Face Recognition with Margin DistributionOptimization”in ECCV 2012.

4.基于圖像塊集合的協作表示人臉識別(ISCRC)[4]將待識別人臉圖像和訓練圖像分別看作一個和若干個集合，把待識別人臉圖像集在若干訓練圖像集上利用CRC分類，再根據最小重構誤差得到最終分類識別結果。

[4]P.Zhu,W.Zuo,L.Zhang,S.Shiu,and D.Zhang,“Image Set basedCollaborative Representation for Face Recognition”IEEE Trans.on InformationForensics and Security,vol.9,No.7,pp.1120-1132,July 2014.