兼容人脸老化识别的单样本人脸识别方法技术

本发明专利技术提供一种兼容人脸老化识别的单样本人脸识别方法，包括：对预存的人脸样本图像模型进行老化模拟，重构人脸样本图像模型；对待识别人脸图像模型和人脸样本图像模型进行全局特征匹配，若匹配失败，则识别结果为不匹配；对待识别人脸图像模型和人脸样本图像模型进行局部特征匹配，若匹配失败，则识别结果为不匹配；待识别人脸图像模型为待识别人脸图像的主动表观模型，人脸样本图像模型为预留人脸样本图像的主动表观模型。本发明专利技术结合AAM和IBSDT实现并提高了兼容人脸老化影响的识别，结合AAM和Delaunay三角划分匹配，大幅提高了全局特征匹配的可靠性，结合LBP和SURF提高了局部特征匹配的可靠性和光照鲁棒性，并最终实现了预留人脸图像为单样本时的高识别率。

【技术实现步骤摘要】

本专利技术涉及人脸识别
，尤其涉及一种兼容人脸老化识别的单样本人脸识 别方法。
技术介绍
人脸图像处理与识别是计算机视觉领域和图像处理领域的重要研究课题，一直受 到诸多研究人员的关注。在刑侦、医疗、娱乐、信息、空间等领域中，人像的处理与变换有着 广泛的应用需求。 人的年龄是一个随时间变化的长期过程，会使人脸的外部表现产生比较明显的变 化。在人脸识别系统中不仅要解决同一个人同一时期人脸图像中的噪音、畸变等问题，还要 解决同一个人不同时期（跨度时间可能长达数十年）、不同环境下摄取的人脸图像的识别 问题。这在学术上和应用系统的设计中都是个挑战。 根据研究重点与技术手段的不同，人脸识别算法的发展历程大致经历了三个阶 段： 第一，1990年之前：这一阶段的人脸识别以几何特征为主，主要包括：基于人脸几 何结构特征的人脸识别，基于面部曲线结构特征的人脸识别等。但是因为没有考虑灰度纹 理信息，因此推广和应用性不好。 第二，1991-1997年：这一阶段，出现了著名的FERET人脸识别算法测试以及一些 商用人脸识别系统；人脸识别算法的主要集中在二维人脸线性子空间分析和统计模式识别 等方面，例如：Eigenface方法（PCA)和Fisherface方法（LDA)直到现在仍然是人脸识别领 域的常用主流算法，但主要用于多样本人脸识别；弹性图匹配（EGM)用属性图来描述人脸， 可用于单样本人脸识别，但由于大量的数据和复杂的变形比对，导致时间、空间复杂度高， 使得其应用性变差；主动形状模型ASM和主动表观模型AAM是基于统计描述方法，可用于人 脸识别，ASM仅对样本形状进行统计建模，而AAM不仅建立了形状统计模型，同时建立全局 纹理变化模型，被广泛用于目标检测、识别、姿态校正等领域。 第三，1998年至今，越来越多的研究人员与资金投入到人脸识别领域的研究，商用 人脸识别系统得到了长足发展，对实际应用产生很大影响的光照、姿态、表情、年龄和单样 本识别等问题成为研究重点，其中，单样本识别是指，数据库中一个人只有一张预留样本可 供训练和识别，例如公安数据库中，身份证照片预留样本只有一张。 当前，商用人脸识别系统在实际的应用中，许多识别算法在不同的限制条件下，识 别率会受到较大影响，很难达到理想的识别效果。难点主要集中在光照、姿态、表情、年龄和 单样本识别等关键领域： 第一，人脸外形具有不稳定性，会产生各种不同的表情，而且，在不同角度观察，容 易产生不同的视觉成像效果，对于人脸识别效果的稳定性和准确性带来了挑战。 第二，随着年龄的增加，面部特征会发生老化变化。 第三，人脸图像采集过程受光照、遮盖（装饰、眼镜、头发、化妆等）和低质量图像 等多种因素的影响。 第四，对于同一算法，当训练样本数减少时，识别正确率也可能大幅下降，因此单 样本识别问题困难尤其突出。例如，主流的Eigenface和Fisherface方法的最佳预留图像 数目是8~10张，其识别正确率随着训练样本个数的减少逐渐下降。 值得关注的是，对于商用人脸识别系统，很多情况下，多种上述负面影响因素可能 会同时出现，影响整个系统的识别正确率。
技术实现思路
在下文中给出关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理 解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关 键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念， 以此作为稍后论述的更详细描述的前序。 本专利技术提供一种通过兼容人脸老化识别以提高识别准确率的兼容人脸老化识别 的单样本人脸识别方法，并进一步通过AAM模型结合Delaunay三角划分匹配提高识别结果 的可靠性，通过LBP和SURF判断方法提高识别结果的光照鲁棒性，并最终实现单样本的高 识别率。 本专利技术提供一种，包括： 对预存的人脸样本图像模型进行老化模拟，重构所述人脸样本图像模型； 对待识别人脸图像模型和所述人脸样本图像模型进行全局特征匹配，若匹配失 败，则识别结果为不匹配； 对所述待识别人脸图像模型和所述人脸样本图像模型进行局部特征匹配，若匹配 失败，则识别结果为不匹配； 所述待识别人脸图像模型为待识别人脸图像的主动表观模型，所述人脸样本图像 模型为预留人脸样本图像的主动表观模型。 本专利技术诸多实施例提供的通过对预存 的人脸样本图像模型进行老化模拟，实现了兼容人脸老化影响的识别；进而通过结合主动 表观模型（AAM)和人脸纹理细节变换算法（IBSDT)提高了人脸老化识别的准确率； 本专利技术一些实施例提供的通过结合主 动表观模型（AAM)和Delaunay三角划分匹配，将Delaunay三角形的匹配数目作为人脸全 局特征匹配分数，大幅提高了全局特征匹配结果的可靠性； 本专利技术一些实施例提供的通过LBP和 SURF两种判断方法对人脸局部关键区域进行匹配，因 LBP和SURF各自具备较强的光照鲁棒 性，因此本专利技术所提供识别方法的识别结果对光照也具有非常强的鲁棒性； 本专利技术一些实施例提供的通过上述各 项技术的结合实现了在仅有1张预留图像的情况下，仍然能够取得很好的识别效果，识别 结果明显好于当前主流的Eigenface和Fisherface方法。【附图说明】 参照下面结合附图对本专利技术实施例的说明，会更加容易地理解本专利技术的以上和其 它目的、特点和优点。附图中的部件只是为了示出本专利技术的原理。在附图中，相同的或类似 的技术特征或部件将采用相同或类似的附图标记来表示。 图1为本专利技术一种实施例提供的的流 程图。 图2为图1所示实施例中在一人脸图像上建立主动表观模型提取特征的示意图。 图3为图1所示单样本人脸识别方法中步骤S50的流程图。 图4为图1所示单样本人脸识别方法中步骤S70的流程图。 图5为图4所示步骤S71中使用Delaunay三角划分法基于主动表观模型的特征 点进行三角划分得到三角网的示意图。 图6为图1所示单样本人脸识别方法的一种优选实施例中步骤S90的流程图。 图7为图6所示步骤S91中根据特征点划分关键区域的示意图。 图8为图6所示单样本人脸识别方法中步骤S93的流程图。 图9为图6所示单样本人脸识别方法中步骤S95的流程当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种兼容人脸老化识别的单样本人脸识别方法，其特征在于，包括：对预存的人脸样本图像模型进行老化模拟，重构所述人脸样本图像模型；对待识别人脸图像模型和所述人脸样本图像模型进行全局特征匹配，若匹配失败，则识别结果为不匹配；对所述待识别人脸图像模型和所述人脸样本图像模型进行局部特征匹配，若匹配失败，则识别结果为不匹配；所述待识别人脸图像模型为待识别人脸图像的主动表观模型，所述人脸样本图像模型为预留人脸样本图像的主动表观模型。

【技术特征摘要】

【专利技术属性】
技术研发人员：袁宝玺，黄雅，左萍平，
申请(专利权)人：北京天创征腾信息科技有限公司，
类型：发明
国别省市：北京;11