基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法技术

本发明专利技术公开了一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，包括以下步骤：首先，对人脸图像进行块和子块两级划分，假设同一块内的不同子块是属于同一个类别的不同样本，从而解决许多子空间学习方法和稀疏表示方法在单样本情况下无法工作或性能下降的问题；然后对人脸图像的每个块进行识别，利用投票的方法获得该人脸的类别概率分布；接下来利用一个多阶段的类别筛选结构，通过熵最小化的思想迭代地剔除掉不相关类别，从而取得理想的人脸识别分类效果。本发明专利技术对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，从而为单样本人脸识别问题提供了一种简单有效的解决方案。

【技术实现步骤摘要】
基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法
本专利技术属于人脸识别领域，涉及一种采用全新有效的单样本人脸识别解决方案，具体涉及每个待识别对象仅有一幅训练图像的人脸自动识别系统。
技术介绍
作为一种非接触式生物特征鉴别技术，人脸识别一直是模式识别和计算机视觉领域最热门的研究课题之一，它被广泛应用于身份认证、安全监控、多媒体娱乐、智能人机交互等众多领域。一般来说，人脸识别主要是指在数字图像或视频图像中，通过人体面部视觉信息，进行人类身份鉴别的计算机技术。人脸识别和指纹识别、掌纹识别等其它生物特征识别技术相比，具有采样更加便捷、效果易于查验、应用更为广泛等突出特点。在众多已有的人脸识别方法中，鉴别特征的提取是人脸识别的关键。过去几十年中，在众多的特征提取算法中子空间学习方法受到了广泛的关注。其基本思想是通过一定的准则函数寻找一组基向量，把原始的高维特征投影到这组基向量所张成的低维子空间中，从而使得数据分别更加紧凑更具有鉴别性，另外也可以降低计算量。子空间学习方法中最具代表性的当属主成分分析(M.A.Turk,A.P.Pentland,“Eigenfacesforrecogniti本文档来自技高网...

【技术保护点】
一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：步骤1.首先用固定大小的正方形块对所有单训练样本和测试样本的图像进行分块，块中心对应图像中的每一个像素点；接着在每一块内部以重叠的方式继续划分出不同的子块，提出人脸图像的每一个块内的不同子块，看成是属于同一个类别的不同样本的合理假设；步骤2.基于上述假设，使用同一块内的不同子块作为样本，利用传统的学习方法，对图像的每一块单独进行分类，根据投票结果求出该测试图像的类别概率分布；步骤3.利用步骤2得到的属于每类的概率分布,根据熵最小化原则进行类别筛选，剔除掉概率为0或较低的类别，完成一次筛选过程；步骤4.对测试图像迭代进行步骤2...

【技术特征摘要】
1.一种基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：步骤1.首先用固定大小的正方形块对所有单训练样本和测试样本的图像进行分块，块中心对应图像中的每一个像素点；接着在每一块内部以重叠的方式继续划分出不同的子块，提出人脸图像的每一个块内的不同子块，看成是属于同一个类别的不同样本的合理假设；步骤2.基于上述假设，使用同一块内的不同子块作为样本，利用传统的学习方法，对图像的每一块单独进行分类，根据投票结果求出该测试图像的类别概率分布；步骤3.利用步骤2得到的属于每类的概率分布,根据熵最小化原则进行类别筛选，剔除掉概率为0或较低的类别，完成一次筛选过程；步骤4.对测试图像迭代进行步骤2和步骤3所述的类别分类和筛选过程，直到满足停止条件，从而输出该测试图像最终的分类结果。2.根据权利要求1所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于所述步骤1中块和子块两级划分按如下步骤操作：假设图像有N个像素，以每个像素为中心、半径为R的正方形上的像素为该像素的邻域像素，则像素i的邻域像素集中的每个像素对应一个以其为中心的S×S小块，S取大于等于3的奇数，小块中的S2个像素表示成向量形式为j＝1,...,P；同样地，中心像素i也对应一个S×S的小块，表示成向量形式为中心像素i及其邻域像素对应的所有小块形成一个以像素i为中心的局部块，大小为(S+2R)×(S+2R)；所有类的训练人脸图像的像素i处对应的块内的全部子块构成块训练集Bi，测试人脸图像中像素i处对应的块内的中心子块则作为测试样本。3.根据权利要求2所述的基于稀疏概率分布和多阶段类别筛选的单样本人脸识别方法，其特征在于：所述划分过程中，采用边缘像素镜像的方法解决边缘部分出现部分像素值缺失从而导致无法...

【专利技术属性】
技术研发人员：唐金辉，李泽超，刘凡，朱翔，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32