The invention discloses a device and a face recognition method for fast processing of face block, the method includes: obtaining the test face samples and standardized learning dictionary; using the objective function with local constraints for the test face samples unshielede local constraint encoding part, using Markov random field to the test sample face occlusion regional modeling and iterative update, until the completion of the acquisition of detection; face test samples using the objective function with L2 norm constrained non occluded area of sparse expression; gradually generated face each kind of correspondence, for each type of face reconstruction and the reconstruction error between the face sample test; search with minimum reconstruction error the corresponding class, which is identified as the test sample face categories and its output. The invention can identify the face with the occlusion or noise pollution, and has a faster recognition speed under the premise of ensuring high recognition success rate.
【技术实现步骤摘要】
本专利技术涉及计算机视觉和模式识别
,具体涉及一种快速处理人脸遮挡的人脸识别方法及装置。
技术介绍
目前来说,人脸识别是计算机视觉和模式识别领域的热点研究问题之一,而遮挡问题由于其多样性,成为人脸识别领域中的一个重点和难点问题。JohnWright等人在2009年提出了稀疏表示分类器方法(SparseRepresentation-basedclassification,简称SRC),这种方法认为:每一个测试人脸图像都可以通过训练样本集中相同类别的人脸图像的线性组合来表示。因此,理想情况下,其他类别的训练样本对应的编码系数为零,而与测试人脸样本类别相同的训练样本对应的编码系数不为零,这体现出一种稀疏性,而这种编码系数也可称为测试人脸图像的稀疏表示。SRC具体的步骤是:(1)以所有类别的训练样本图像作为学习字典(2)通过解决l1最小化问题得到测试人脸图像在整个学习字典上的稀疏系数(3)利用每类对应的稀疏系数逐类生成该类的重构图像,并求出每类的重构误差(4)选择具有最小重构误差的类作为最终的结果,完成测试人脸图像的识别。然而,在解决遮挡问题的时候,SRC需要引入一个单位矩阵来构建一个新的字典,然后求出测试人脸样本在新字典上的稀疏系数。这么做存在两个问题:(1)新的字典列数很大,要求解测试人脸图像在这个新字典上的稀疏系数十分耗时(2)这种做法不能很好地解决连续遮挡问题。随后ZihanZhou等人提出了基于马尔可夫随机场的处理连续遮挡的方法(SparseErrorCorrectionwithMRF,简称SEC_MRF),相比于SRC,SEC_MRF在处理噪声 ...
【技术保护点】
一种快速处理人脸遮挡的人脸识别方法,其特征在于,所述人脸识别方法包括下列步骤:获取测试人脸样本及标准化学习字典;利用带局部约束的目标函数求出所述测试人脸样本中未遮挡部分的局部约束编码,利用马尔可夫随机场对所述测试人脸样本遮挡区域建模并迭代更新,直至最终检测完成;利用带l2范数约束的目标函数获取所述测试人脸样本的未遮挡区域的稀疏表达;逐类生成每类对应的重构人脸,求出每类重构人脸与所述测试人脸样本之间的重构误差;查找具有最小重构误差对应的类,将其确定为所述测试人脸样本的类别并将其输出。
【技术特征摘要】
1.一种快速处理人脸遮挡的人脸识别方法,其特征在于,所述人脸识别方法包括下列步骤:获取测试人脸样本及标准化学习字典;利用带局部约束的目标函数求出所述测试人脸样本中未遮挡部分的局部约束编码,利用马尔可夫随机场对所述测试人脸样本遮挡区域建模并迭代更新,直至最终检测完成;利用带l2范数约束的目标函数获取所述测试人脸样本的未遮挡区域的稀疏表达;逐类生成每类对应的重构人脸,求出每类重构人脸与所述测试人脸样本之间的重构误差;查找具有最小重构误差对应的类,将其确定为所述测试人脸样本的类别并将其输出。2.根据权利要求1所述的一种快速处理人脸遮挡的人脸识别方法,其特征在于,所述标准化学习字典的获取过程,具体包括:建立训练人脸样本集;利用所述训练人脸样本集构造过完备学习字典;将所述过完备学习字典中每一个训练样本标准化;将所述标准化后的过完备学习字典以及每个训练样本图像的已知类别进行存储。3.根据权利要求1所述的一种快速处理人脸遮挡的人脸识别方法,其特征在于,所述利用带局部约束的目标函数求出所述测试人脸样本未遮挡部分的局部约束编码,利用马尔可夫随机场对所述测试人脸样本遮挡区域建模并迭代更新,直至最终检测完成,具体包括:假设标签向量为s的每一个元素标识对应像素是否为遮挡区域的像素,其中s[j]=0表示j元素是遮挡区域像素,而s[j]=1表示j元素是未遮挡区域像素,s的所有元素均初始化为1;根据目前的区域标定,通过下式将标准化学习字典中的未遮挡区域...
【专利技术属性】
技术研发人员:傅予力,吴小思,张隆琴,黄志建,向友君,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
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。