一种面部识别方法及其系统技术方案

本发明专利技术公开了一种面部识别方法及其系统。所述方法包括：将输入视频分割为若干不同的视频帧集合以及在输入视频的视频帧中检测面部。还包括，生成输入视频的面部轨迹。进一步的，应用基于鲁棒协同表示的分类算法，在具有复杂的遮挡及噪声、模糊影响的面部侧视样本中恢复清晰图像并进行分类。另外，输出具有已识别面部图像的视频。

【技术实现步骤摘要】

本专利技术涉及计算机处理
，尤其涉及一种面部识别方法及其系统。
技术介绍
面部识别系统在现今商业和娱乐产业中越发受到青睐。在视频中进行面部识别是一个以计算机视角，利用一系列包含有已知辨认特点的面部的给定图像，在一个视频序列中定位及辨认面部的技术问题。例如，由于其在发展应用中的巨大潜力，视频面部识别已经在多个领域中推动使用，包括视频保卫监控、现实增强、自动视频标记、医疗分析、质量控制以及视频课程评估。虽然对于人脑而言，面部识别是一项非常简单的任务，但由于目标的图像在方向、光照条件、形状以及遮挡情况上存在有多种变化，因此，其对于机器而言是一项挑战。在使用现有的技术进行面部识别时仍存在许多的挑战。近来，使用基于稀疏表达的分类(SRC)及其相关拓展来进行面部识别(FR)已经被证明能够提供现有最佳的识别效果。其主要思想为：一个目标面部样本可以由在不同情况下(例如姿态、光照情况、遮挡情况等等)获取的同一目标的可使用图像的稀疏线性组合来表示。当面部图像在低维空间内，通过描述重要以及容易辨认的特征来表示时，上述思想也适用。为了进行稀疏表示，可以应用l1优化算法。然后，选出服从最小重构错误的面部类别用于分类或者辨认那些具有可使用的测试图像或者样本的目标。稀疏编码也已经被提出可协同用于解决模糊人脸识别以及盲图像复原的问题。但是，应用l1优化算法来提升面部识别率仅能在某些特定的情况下取得成功。具体而言，基于稀疏表示的面部识别假设训练图像已经被有效的控制并且每个类别中均具有充足数量的样本。从另外的角度来看，为了消除训练数据中的孤立像素点，可以引入面部图像的低秩结构。在图像属于不同光照情况下的一些凸朗伯体模型的假设下，相类似面部图像的低秩结构被展现。为了从包含有错误的数据中恢复子空间结构，可以采用例如鲁棒主成分分析(RobustPCA)以及低秩表示(LRR)的方法。然而，上述方法均为直推式并且无法有效的在新数据中清除噪声、模糊等的影响。理想的面部识别效果不仅在于能够从受到噪声、模糊等影响的训练数据中恢复清晰的图像，而且对于任何给定的测试样本，均能够在复杂的遮挡情况及噪声、模糊等影响的数据中恢复清晰的图像。本专利技术公开的方法及其系统用于解决现有技术中的一个或者多个问题。专利技术概述本专利技术的一方面公开了一种面部识别方法。所述方法包括：将输入视频分割为若干不同的视频帧集合以及在输入视频的视频帧中检测面部。还包括，生成输入视频的面部轨迹。进一步的，应用基于鲁棒协同表示的分类算法，在具有复杂的遮挡及噪声、模糊影响的面部侧视样本中恢复清晰图像并进行分类。另外，输出具有已识别面部图像的视频。本专利技术另一方面公开了一种面部识别系统。所述系统包括：面部检测模块，用于在输入视频的视频帧中自动定位面部；算法模块，用于通过改进的鲁邦主成分分析算法估算获得清晰图像从而初始化LRR-HQ-L1算法，并通过LRR-HQ-L1算法计算获得权重矩阵；面部分类器，用于使用鲁棒协同表示算法进行分类。字典，用于在数据库中存储面部图像；以及输出模块，输出具有已识别面部图像的视频。本专利技术的其他方面，所属
技术人员能够依据本专利技术的权利要求书，说明书，以及附图有效实施并充分公开。附图简要说明图1为本专利技术具体实施方式的工作环境示意图。图2本专利技术具体实施方式的计算系统的结构框图。图3为本专利技术具体实施方式的面部识别系统的结构框图。图4为本专利技术具体实施方式的面部识别方法的方法流程图。图5为本专利技术具体实施方式的视频流组成成分分割的示意图。图6为本专利技术具体实施方式的鲁棒协同表示的示意图。图7为本专利技术另一具体实施方式的鲁棒协同表示的示意图。详细说明附图中展示的部分将被引用以具体说明，阐述本专利技术具体技术实施方案。说明书中引用的数字代表附图的相应部分。图1为本专利技术具体实施方式中的工作环境100。如图1所示，所述工作环境100包括：电视机102，遥控器104，服务器106，用户108，网络系统110。还可以包括其他合适的设备。电视机102可以是任何合适类型的电视机，例如等离子电视，LCD电视，背投式电视，智能电视或者非智能电视。电视机102还可以包括一个计算系统，例如个人电脑，掌上电脑或者智能手机等。进一步的，所述电视机102还可以是任何内容演示的设备。所述设备由遥控器104控制，能够在一个到多个频道中演示多个节目。所述遥控器104可以是任何合适类型的能够遥控操作电视机102的遥控器，例如配套的电视遥控器，通用电视遥控器，掌上电脑，智能手机或者其他能够实现遥控功能的智能设备。遥控器104还可以包括其他不同类型的设备，例如动作感应遥控设备，图像感应遥控设备以及其他一些简单输入设备，例如键盘，鼠标，声控输入设备等。具体的，所述服务器106可以是任何用于提供个人信息内容给用户108的一个或者多个计算机服务器。所述服务器106还用于辅助遥控器104和电视机102之间进行通信连接，数据存储和数据处理。电视机102，遥控器104以及服务器106通过网络系统110，例如有线网络，手机网络，或者其他具体的网络建立通信连接。用户108使用遥控器104控制电视机102播放不同的节目或者进行其他用户感兴趣的活动。如果电视机102配备有动作感应或者图像感应装置，用户还可以简单的使用手势动作进行控制。用户108可以是一个人也可以是多个，例如全部家庭成员在一起观看电视节目。电视机102，遥控器104和/或服务器106在一个合适的电子计算平台实现其功能。图2是本专利技术具体实施方式中的一种可用于实现上述设备102、104和/或106的功能的计算系统200的结构框图。如图2所示，所述计算系统包括一个处理器202，存储器204，播放器206，通信模块208，数据库210以及外围设备212。所述计算系统可以减省上述设备，也可以添加一些其他类型的设备，而不限于上述设备。所述处理器202可以是任何合适的处理器或处理器组。具体的，所述处理器202为能够进行多线程处理的多核心处理器。存储器204可以是任何合适的存储设备，例如ROM，RAM，闪存或者大容量存储器，例如CD-ROM，硬盘等。存储器204用于存储为进行各种数据处理而预设的计算机运行程序。所述外围设备212具体包括：各种类型的传感器以及输入，输出设备，例如键盘，鼠标本文档来自技高网...

【技术保护点】
一种面部识别方法，其特征在于，包括如下步骤：将输入视频分割为若干不同的视频帧集合；在输入视频的视频帧中检测面部；生成输入视频的面部轨迹；应用基于鲁棒协同表示的分类算法，在具有复杂的遮挡及噪声、模糊影响的面部侧视样本中恢复清晰图像并进行分类；输出具有已识别面部图像的视频。

【技术特征摘要】
2014.11.06 US 14/534,6881.一种面部识别方法，其特征在于，包括如下步骤：
将输入视频分割为若干不同的视频帧集合；
在输入视频的视频帧中检测面部；
生成输入视频的面部轨迹；
应用基于鲁棒协同表示的分类算法，在具有复杂的遮挡及噪声、模糊
影响的面部侧视样本中恢复清晰图像并进行分类；
输出具有已识别面部图像的视频。
2.根据权利要求1所述的面部识别方法，其特征在于，所述应用基
于鲁棒协同表示的分类算法，在具有复杂的遮挡及噪声、模糊影响的
面部侧视样本中恢复清晰图像并进行分类的步骤具体包括：
通过改进的鲁邦主成分分析算法估算获得清晰图像从而初始化
LRR-HQ-L1算法；
通过LRR-HQ-L1算法计算获得权重矩阵；
使用鲁棒协同表示算法进行分类；
确定最终选择的分类定义。
3.根据权利要求2所述的面部识别方法，其特征在于，生成孤立点
检测结果，将其输入测试样本y及面部字典T中并生成权重对角矩阵
W，所述孤立点检测结果具体如下：
W＝OLD(y，T)
其中，表示面部测试样本，表示c个目标的样本
集合堆叠为列的矩阵，表示第i个目标的第ni个样本集合从而

\t令∑ini＝n。
4.根据权利要求2所述的面部识别方法，其特征在于，生成面部分
类，将其输入测试样本y、面部字典T及权重对角矩阵W中，所述面
部分类的索引具体如下：<...

【专利技术属性】
技术研发人员：迈克，汪灏泓，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44