【技术实现步骤摘要】
本专利技术涉及模式识别中的人脸识别领域,尤其涉及一种基于对应关系预测的低分辨率人脸图像识别方法。
技术介绍
人脸识别是模式识别和计算机视觉邻域的重要组成部分,作为一个最重要的生物特征识别技术,在过去几年,人脸识别(FR)受到了研究界广泛的关注并取得了快速发展。但传统的人脸识别技术是针对高分辨率(HR)人脸图像的,在现实生活中难以应用,尤其是在摄像监控、身份认证等急需高效人脸识别的领域。在实际环境中,由于光线、拍摄角度以及拍摄设备等因素的影响,获得的人脸图像分辨率较低。典型的场景是街道上用于监控的广角摄像头,一幅人脸图像的像素可能只有几十甚至十几,图像所含有的判别信息相对高分辨率图像要少得多,由此产生了低分辨率(LR)人脸图像的识别问题。传统的人脸识别方法主要是解决降维问题,其中主成分分析PCA和线性判别分析LDA是最流行的降维方法。PCA通过线性投影将高维数据变换为低维特征,以最大程度保留数据的方差能量;LDA作为一种监督学习算法,目标是找到一个最优投影轴,使得投影后不同类别的数据点分散而相同类别的数据点聚集。在PCA的基础上提出的二维主成分分析2DPCA基于数据矩阵而非数据向量,从而更简单有效。随后提出的非线性人脸识别方法主要有基于核函数的方法,如核主成分分析KPCA和核线性鉴别分析KLDA,和基于流形学习的方法,如拉普拉斯脸Laplacianfaces方法。然而,以上传统算法在低分辨率图像识别问题上并不能表现出很好的识别效果,其主要原因在于图像的质量对识别效果起着至关重要的作用,低分辨率图像的像素低,有用的判别信息较少,在训练过程中容易出现误差,导致 ...
【技术保护点】
基于对应关系预测的低分辨率人脸图像识别方法,其特征在于,包含以下步骤:步骤1),确定训练样本中高分辨率训练样本和低分辨率训练样本的对应关系;步骤2),根据具有对应关系的高分辨率训练样本和低分辨率训练样本建立统一的特征空间,分别求出高、低分辨率图像空间到特征空间的投影矩阵PH和PL;步骤3),将用来进行比对的高分辨率训练图像通过投影矩阵PH投影到特征空间;步骤4),当需要识别低分辨率图像时,将其通过投影矩阵PL投影到特征空间,根据其在特征空间落入的类别区域,输出该低分辨率图像的类别。
【技术特征摘要】
1.基于对应关系预测的低分辨率人脸图像识别方法,其特征在于,包含以下步骤:步骤1),确定训练样本中高分辨率训练样本和低分辨率训练样本的对应关系;步骤2),根据具有对应关系的高分辨率训练样本和低分辨率训练样本建立统一的特征空间,分别求出高、低分辨率图像空间到特征空间的投影矩阵PH和PL;步骤3),将用来进行比对的高分辨率训练图像通过投影矩阵PH投影到特征空间;步骤4),当需要识别低分辨率图像时,将其通过投影矩阵PL投影到...
【专利技术属性】
技术研发人员:吴松松,王娟娟,石卉,荆晓远,岳东,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
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。