【技术实现步骤摘要】
一种基于相似度度量的人脸确认方法
本专利技术涉及图像处理领域,特别涉及一种基于相似度度量的人脸确认方法。
技术介绍
近几年来无约束条件下的人脸确认技术广泛应用于视频监控、公共安全、电子商务等生物特征识别、智能视频分析及计算机视觉系统领域。但是无约束条件下的人脸图像因受表情、姿态、光照以及背景等复杂因素的干扰,造成同一个人的不同人脸图像差异性较大,如何克服上述因素引起的人脸图像较大的类内变化,是当前人脸确认领域中亟需解决的重要问题之一。相似度度量指利用给定的人脸样本对,计算人脸对特征向量间的距离来判断人脸的身份,因其实现简单,计算代价小、可分性好等特点成为一种主要的人脸确认方法。经典的相似度度量方法直接以人脸特征向量间的距离作为分类依据,如Liu等利用欧氏距离或余弦距离计算一对人脸的Gabor特征向量间的相似度。然而,非学习模型下的直接距离度量并没有考虑人脸表情、姿态、光照以及背景等条件差异对相似度度量造成的影响,因此并不能准确地反映一对人脸之间的相似性,分类性能有待提高。为了减少复杂干扰对相似度度量的影响,众多学者围绕相似度度量学习方法开展工一系列的工作。Guillaumin等提出了一种逻辑判别度量学习(Logisticdiscriminantmetriclearning,LDML)方法,利用概率估计样本对的相似度,建立最大似然估计模型,采用梯度上升方法优化求解,最后使用K近邻(K-nearestneighbor,K-NN)分类。Nguyer等提出余弦相似度度量学习方法(Cosinesimilaritymetriclearning,CSML),与传统的马氏 ...
【技术保护点】
一种基于相似度度量的人脸确认方法,包括以下步骤:步骤S1:提取N对人脸图像的特征,然后将每对人脸特征实现PCA变换,得到人脸样本对的特征向量;步骤S2:基于获得的人脸样本对的特征向量,利用加权协方差矩阵得到类内加权子空间,将其进行加权子空间投影,得到投影后的人脸样本对的特征向量;步骤S3:基于获得的投影后的人脸样本对的特征向量,结合先验度量的知识,得到先验相似性矩阵和先验距离矩阵;步骤S4:利用拉格朗日乘子法和对偶法求解相似度度量学习的目标函数,得到度量矩阵;步骤S5:基于获得的度量矩阵,结合相似度模型计算人脸对的相似度,从而得到最佳的阈值用于人脸确认。
【技术特征摘要】
1.一种基于相似度度量的人脸确认方法,包括以下步骤:步骤S1:提取N对人脸图像的特征,然后将每对人脸特征实现PCA变换,得到人脸样本对的特征向量;步骤S2:基于获得的人脸样本对的特征向量,利用加权协方差矩阵得到类内加权子空间,将其进行加权子空间投影,得到投影后的人脸样本对的特征向量;步骤S3:基于获得的投影后的人脸样本对的特征向量,结合先验度量的知识,得到先验相似性矩阵和先验距离矩阵;步骤S4:利用拉格朗日乘子法和对偶法求解相似度度量学习的目标函数,得到度量矩阵;步骤S5:基于获得的度量矩阵,结合相似度模型计算人脸对的相似度,从而得到最佳的阈值用于人脸确认。2.根据权利要求1所述的基于相似度度量的人脸确认方法,其特征在于,步骤S1具体包括以下步骤:将提取的N对人脸图像的特征运用PCA进行降维,得到低维的人脸样本对的特征向量X={(xi1,xi2)},i=1,....,N,其中xi1,xi2∈Rd,Xi1,Xi2分别表示人脸样本对中某一人脸样本的特征向量,Rd表示Xi1,Xi2向量维数为d维。3.根据权利要求2所述的基于相似度度量的人脸确认方法,其特征在于,所述步骤S2具体包括以下步骤,步骤S21:基于步骤S1获得的人脸样本对的特征向量X={(xi1,xi2)},i=1,....,N,若(xi1,xi2)∈S表示两个样本对应同一个人,若(xi1,xi2)∈D表示两个样本对应不同的人,S和D为两个集合,人脸样本对的类内协方差矩阵定义如下:其中T表示矩阵的转置;步骤S22:采用了加权协方差矩阵的方法,其定义如下:其中的权重wi的定义如下:其中u,a为常量,表示Xi1—Xi2向量二范数的u次方;步骤S23:将步骤S22中的加权协方差矩阵进行特征值分解,其特征值分解表达式为:WCSP=PΛ,其中特征值对角矩阵为Λ=diag(λ1,...,λd),λ1≠λ2≠…≠λd及其所对应的特征向量矩阵P=[v1,...,vd],由特征值互不相等,知特征向量矩阵P中列向量两两正交;步骤S24:将上述矩阵P的列向量变为单位向量标准化得到正交矩阵Q,其中QT=Q-1,加权协方差矩阵对角化:QTWCSQ=Λ,则加权协方差矩阵转化为:WCS=(QT)-1ΛQ-1=QΛQT=QΛ1/2Λ1/2QT=(QΛ1/2)(QΛ1/2)T;步骤S25:将Ls=QΛ1/2定义为类内加权子空间,然后将训练样本在类内加权子空间下进行投影,得到投影后的人脸样本对其中4.根据权利要求3所述的基于相似度度量的人脸确认方法,其特征在于,所述步骤S3具体包括以下步骤,步骤S31:定义样本对的相似度如下:其中,表示样本对属于同一个人的概率,表示样本对属于不同人的概率,P[·]是符合均值为0的单变量高斯分布概率密度函数,其定义如下:步骤S32:根据样本对的相似度公式,解得先验相似性矩阵G0和先验距离矩阵M0,其表达式如下:
【专利技术属性】
技术研发人员:汤红忠,李骁,王翔,毛丽珍,
申请(专利权)人:湘潭大学,
类型:发明
国别省市:湖南,43
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。