[發(fā)明專利]聯(lián)合稀疏表示神經(jīng)網(wǎng)絡(luò)的小樣本人臉識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911364701.2
• 申請(qǐng)日: 2019-12-26
• 公開（公告）號(hào): CN111126307A
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 達(dá)飛鵬;杜橋
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 劉莎

1.一種聯(lián)合稀疏表示神經(jīng)網(wǎng)絡(luò)的小樣本人臉識(shí)別方法，其特征在于：

步驟1：對(duì)訓(xùn)練集和測(cè)試集中的人臉圖像進(jìn)行預(yù)處理，其中預(yù)處理包括人臉關(guān)鍵點(diǎn)檢測(cè)、人臉對(duì)齊以及姿態(tài)矯正；

步驟2：基于步驟1中人臉關(guān)鍵點(diǎn)檢測(cè)的定位結(jié)果，分別劃分出每張人臉圖像中的左眼、右眼、鼻子、嘴巴四個(gè)關(guān)鍵區(qū)域，由此，將預(yù)處理后的人臉圖像擴(kuò)充為一張整體圖像和四張局部區(qū)域圖像，其中局部區(qū)域圖像中將左眼/右眼/鼻子/嘴巴關(guān)鍵區(qū)域外的非關(guān)鍵區(qū)域置灰；

步驟3：利用卷積神經(jīng)網(wǎng)絡(luò)CNN分別提取步驟2中整體圖像和四張局部區(qū)域圖像中整體特征和局部特征，并結(jié)合稀疏表示將提取到的特征構(gòu)成特征向量字典D；

步驟4：以稀疏損失替換CNN中原有的損失函數(shù)，從而進(jìn)行網(wǎng)絡(luò)參數(shù)的優(yōu)化；

步驟5：利用加強(qiáng)的稀疏表示分類DSRM，即余弦距離約束下的最小重構(gòu)誤差來最終確定人臉圖像所屬的類別。

2.根據(jù)權(quán)利要求1所述的聯(lián)合稀疏表示神經(jīng)網(wǎng)絡(luò)的小樣本人臉識(shí)別方法，其特征在于，所述步驟1中人臉關(guān)鍵點(diǎn)檢測(cè)為：定位左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。

3.根據(jù)權(quán)利要求2所述的聯(lián)合稀疏表示神經(jīng)網(wǎng)絡(luò)的小樣本人臉識(shí)別方法，其特征在于，所述步驟2的具體方法為：

步驟2.1：將預(yù)處理后的人臉圖像裁剪為w*h，其中w*h為該圖片的像素值；

步驟2.2：根據(jù)左眼中心坐標(biāo)(x_reye,y_reye)和右眼重心坐標(biāo)(x_leye,y_leye)，得出左眼關(guān)鍵區(qū)域的左下角和右上角的坐標(biāo)分別為(x_leye-32,y_leye-32)和(x_leye+32,y_leye+32)、右眼關(guān)鍵區(qū)域的左下角和右上角坐標(biāo)分別為(x_reye-32,y_reye-32)和(x_reye+32,y_reye+32)；

步驟2.3：根據(jù)鼻尖坐標(biāo)(x_nose,y_nose)，得出鼻子關(guān)鍵區(qū)域的左下角和右上角的坐標(biāo)分別為(x_nose-8,y_nose-16)和(x_nose+8,y_nose+16)；

步驟2.4：根據(jù)左、右嘴角的坐標(biāo)(x_lmouse,y_lmouse)、(x_rmouse,y_rmouse)，得出嘴巴關(guān)鍵區(qū)域的左下角和右上角坐標(biāo)(x_lmouse-8,y_lmouse-32)和(x_rmouse+8,y_rmouse+32)；

步驟2.5：劃分出關(guān)鍵區(qū)域后，預(yù)處理后的人臉圖像擴(kuò)充為一張整體圖像和四張局部區(qū)域圖像，將局部區(qū)域圖像中將左眼/右眼/鼻子/嘴巴關(guān)鍵區(qū)域外的非關(guān)鍵區(qū)域置灰。

4.根據(jù)權(quán)利要求1所述的聯(lián)合稀疏表示神經(jīng)網(wǎng)絡(luò)的小樣本人臉識(shí)別方法，其特征在于，所述步驟3中的特征向量字典為：D＝[d₁,d₂,…,d_K]，其中，K為人臉類別數(shù)量，k＝1,2,…,K，d_k代表第k個(gè)類別的特征向量，每個(gè)類別的特征向量由整體特征和局部特征構(gòu)成。