一种单样本人脸识别方法技术

技术编号:20118744 阅读:31 留言:0更新日期:2019-01-16 12:14
本发明专利技术公开了一种单样本人脸识别方法,包括以下方法:A、将单张训练样本进行偏转脸扩展;B、之后进行行相关性特征提取,本发明专利技术提供的方法针对目前流动人口较多的现状,对流动人口的统计、管理,乃至对整个城市的社会治安问题,是构建平安、智慧与和谐城市需要着重考虑的问题之一;针对基于图像的生物特征识别,在实际应用中由于难以采集大量的样本数据,导致传统的生物特征识别方法在实际应用中遇到了极大挑战,本发明专利技术能很大程度上推动安全城市、智慧城市的进程,为城市的安防、经济发展,创造一个稳定和谐的城市作出很大的贡献。

A Single Sample Face Recognition Method

The invention discloses a single sample face recognition method, which includes the following methods: A. expanding the deflected face of a single training sample; B. extracting the correlation feature after that. The method provided by the invention aims at the present situation of the large number of floating population, statistics, management of the floating population, and even social security problems of the whole city, is to build safety, wisdom and harmony. For image-based biometric identification, it is difficult to collect a large number of sample data in practical application, which results in great challenges for traditional biometric identification methods in practical application. The invention can greatly promote the process of safe city and intelligent city, and create a stable city for security and economic development. A harmonious city has made a great contribution.

【技术实现步骤摘要】
一种单样本人脸识别方法
本专利技术涉及人脸识别
,具体为一种单样本人脸识别方法。
技术介绍
所谓的单样本问题是指给定每人仅有一幅或几幅图像训练数据库,识别任务是从该数据库中识别任意姿态,任意光照条件下的单幅图像。单样本问题最早可以追溯到基于几何特征的人脸识别方法盛行的时期,在这个时期不同的结构特征(例如两眼之间的距离等)都是从单幅人脸图像上手工提取的,并且在后面的识别过程中存储为模板。对于这些方法来说,每人一幅图像根本不构成问题。然而,在一些特殊的应用场合,可用人脸图像数量特别大(例如执法),这需要更加智能且简单不费力的方式去处理人脸图像。这直接导致了所谓的基于外观的人脸识别技术的诞生,基于外观的人脸识别技术融入不同学科知识,如计算机视觉、模式识别、机器学习和神经网络,其用向量表示人脸图像的方法代替几何特征提取的方法,大大提高了人脸识别系统的有效性和效率。因此,自20世纪90年代以来,基于外观的人脸识别方法已经成为人脸识别领域中的主流技术之一。但是,基于外观的人脸识别方法的关键组成部分之一是它们的学习机制,每类中包含的训练样本的数量严重影响其性能好坏,目前大多数人脸识别技术严重依赖训练样本集的规模和代表性,这些方法运用的前提都是假设每类包含多个训练样本(至少两个)。不幸的是,在许多实际应用中,我们实际能得到训练样本数远远要小于我们所需要的数量。更具体地讲,在许多实际应用场合中,尤其是大规模的识别应用,例如执法、驾照或者护照等的识别,在这种情况下数据库中每人通常只有一个训练样本。此外,我们很少有机会加入同一个人更多的样本到基础数据库中,因为收集样本的代价可能是昂贵的,即使我们可以这样做,仍旧存在一些问题,比如说要每人加入多少个样本,要以何种方式添加等等。目前为止,这些情况在人脸识别领域都是非常值得研究的。因此,研究仅使用单样本的人脸识别技术是非常有意义的。
技术实现思路
本专利技术的目的在于提供一种单样本人脸识别方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种单样本人脸识别方法,包括以下方法:A、将单张训练样本进行偏转脸扩展;B、之后进行行相关性特征提取。优选的,所述步骤A中偏转脸扩展方法包括以下步骤:A、分别计算两半边脸的压缩和拉伸像素距离,若人脸向左半边偏转P,则偏转后左半边脸在图像上所占的列数为XC′L=nh-P,偏转后右半边脸在图像上所占的列数为XC′R=nh+P;B、对左右半边分别进行压缩和拉伸,其压缩和拉伸算法采用双线性插值算法,得到新的左右半边人脸图像记为X′L、X′R;C、将变换后的左右半边脸合成完整的偏转人脸图像;变换后的偏转人脸图像为XP,则XP=[X′LX′R],如果n为奇数,则XP=[X′Lc(n+1)/2X′R],其中,c(n+1)/2为矩阵X的第(n+1)/2列。优选的,所述步骤B中特征提取方法为:定义一副人脸图像X∈Rm×n,其中m为图像的行,n为图像的列;图像中任意两行分别为ri,rj,定义这两个向量的相关性函数为:F(x1,x2)=<x1,x2>则人脸图像的任意两行的相关性可写为:Fij=<ri,rj>=ri1rj1+ri2rj2+…+rinrjn因此,得到图像的行相关性特征矩阵其中F是一个对角矩阵,且对角线上的值分别为每一行的自相关函数;定义行相关矩阵转换成一个列向量:其中的长度为(m2-m)/2。与现有技术相比,本专利技术的有益效果是:本专利技术提供的方法针对目前流动人口较多的现状,对流动人口的统计、管理,乃至对整个城市的社会治安问题,是构建平安、智慧与和谐城市需要着重考虑的问题之一;针对基于图像的生物特征识别,在实际应用中由于难以采集大量的样本数据,导致传统的生物特征识别方法在实际应用中遇到了极大挑战,本专利技术能很大程度上推动安全城市、智慧城市的进程,为城市的安防、经济发展,创造一个稳定和谐的城市作出很大的贡献。附图说明图1为本专利技术中的行相关特征提取方法对比柱形图;图2为本专利技术中的行相关性特征在单样本的情况下提取方法对比柱形图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。本专利技术提供一种技术方案:一种单样本人脸识别方法,包括以下方法:A、将单张训练样本进行偏转脸扩展;B、之后进行行相关性特征提取。本实施例中,步骤A中偏转脸扩展方法包括以下步骤:A、分别计算两半边脸的压缩和拉伸像素距离,若人脸向左半边偏转P,则偏转后左半边脸在图像上所占的列数为XC′L=nh-P,偏转后右半边脸在图像上所占的列数为XC′R=nh+P;B、对左右半边分别进行压缩和拉伸,其压缩和拉伸算法采用双线性插值算法,得到新的左右半边人脸图像记为X′L、X′R;C、将变换后的左右半边脸合成完整的偏转人脸图像;变换后的偏转人脸图像为XP,则XP=[X′LX′R],如果n为奇数,则XP=[X′Lc(n+1)/2X′R],其中,c(n+1)/2为矩阵X的第(n+1)/2列。本实施例中,步骤B中特征提取方法为:定义一副人脸图像X∈Rm×n,其中m为图像的行,n为图像的列;图像中任意两行分别为ri,rj,定义这两个向量的相关性函数为:F(x1,x2)=<x1,x2>则人脸图像的任意两行的相关性可写为:Fij=<ri,rj>=ri1rj1+ri2rj2+…+rinrjn因此,得到图像的行相关性特征矩阵其中F是一个对角矩阵,且对角线上的值分别为每一行的自相关函数;定义行相关矩阵转换成一个列向量:其中的长度为(m2-m)/2。实验例:采用AR,ORL和FERET三个人脸数据库来验证算法的性能;选择从AR数据库中挑选30个人,每人1张照片;在ORL数据库随机选择了30个人的所有照片;在FERET人脸数据库中,仅仅使用200个人的1400张照片,每个人有7张照片,这7张照片分别命名为“ba”,“bj”,“bk”,“be”,“bf”,“bd”and“bg”。分别在三个数据库中选择一张正面的脸作为单样本数据库;而测试样本,尽量选择无遮挡、偏转角度不大的样本作为测试样本,测试方法采用CRC稀疏表达分类识别的方法。如下三个表格分别显示了在三个不同的数据库中进行偏转脸扩展后其识别错误率的变化情况,偏转脸的扩展方法在ORL数据库中的错误识别率:偏转脸的扩展方法在AR数据库中的错误识别率:偏转脸的扩展方法在FERET数据库中的错误识别率:实验结果证明了在单张样本的情况下,增加偏转脸,能提高识别率,但是,当偏转角度达到一定距离后,识别率发生的变化不大。此外,还在FacePix数据库中进行了测试,FacePix数据库包含30个人的图像。其姿态范围为水平方向上从-90度到90度,间隔为1度,共181个姿态。该数据中的图像已经根据手工标注的眼睛位置进行了切割,采用单张正面脸作为训练样本类,其他的人脸图像作为测试样本。如下表格数据显示了在该数据库下,不同偏转脸扩展数量下识别的错误本文档来自技高网
...

【技术保护点】
1.一种单样本人脸识别方法,其特征在于:包括以下方法:A、将单张训练样本进行偏转脸扩展;B、之后进行行相关性特征提取。

【技术特征摘要】
1.一种单样本人脸识别方法,其特征在于:包括以下方法:A、将单张训练样本进行偏转脸扩展;B、之后进行行相关性特征提取。2.根据权利要求1所述的一种单样本人脸识别方法,其特征在于:所述步骤A中偏转脸扩展方法包括以下步骤:A、分别计算两半边脸的压缩和拉伸像素距离,若人脸向左半边偏转,则偏转后左半边脸在图像上所占的列数为,偏转后右半边脸在图像上所占的列数为;B、对左右半边分别进行压缩和拉伸,其压缩和拉伸算法采用双线性插值算法,得到新的左右半边人脸图像记为、;C、将变换...

【专利技术属性】
技术研发人员:张健罗卿陈培培
申请(专利权)人:深圳信息职业技术学院
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1