基于独立分量分析网络的人脸识别方法技术

本发明专利技术涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明专利技术采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。

Face recognition method based on independent component analysis network

The invention relates to a network based on independent component analysis method for face recognition, the method comprises the following steps: Step 1: face image preprocessing, clipping alignment, normalization; step 2: using a set of training has been good to get a set of ICA filter mapping image; step 3: nonlinear and pool on each map image to obtain the image feature mapping is more efficient; step 4: LBP encoding block for each image, and then all the string feature expression; step 5: the expression of WPCA to reduce the dimensionality of the feature, finally using cosine similarity measure identify two face images. The invention uses a trained ICA filter to be applied to a single network in CNN, and multiscale information is obtained based on different sensing regions of ICA filtering. In face recognition, it can guarantee high recognition rate and reduce the amount of calculation effectively, so it is easy to popularize and apply.

【技术实现步骤摘要】
基于独立分量分析网络的人脸识别方法
本专利技术属于计算机视觉领域，尤其涉及一种基于独立分量分析网络的人脸识别方法。
技术介绍
人脸识别是计算机视觉领域中非常重要的部分，在信息安全、视频监督等方面扮演着重要的角色。人脸识别系统主要包括三部分：(1)人脸检测；(2)人脸特征表达；(3)人脸识别(特征分类)。其中，好的人脸特征表达在人脸识别有着非常重要的作用。人脸特征表达主要经历三个时期：(1)全局特征表达：主要代表方法有Eigenfaces和Fisherfaces方法，前述方法都是采用整张人脸的特征作为输入；(2)局部特征表达：主要方法有LBP(LocalBinaryPatterns)，SIFT(ScaleInvariantFeatureTransform)，Gabor，HOG(HistogramsofOrientedGradients)等，该方法把图片分成不同的块，对每个局部块进行特征编码，然后把得到局部特征全部串起来得到最终的人脸特征。相比全局特征表达，局部特征表达能够获取人脸图片更多的判别信息，因此产生了LTP，DFD，DCP等变体；(3)深度特征表达：DeepFace，DeepI本文档来自技高网...

【技术保护点】
一种基于独立分量分析网络的人脸识别方法，其特征在于，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。

【技术特征摘要】
1.一种基于独立分量分析网络的人脸识别方法，其特征在于，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。2.如权利要求1所述的人脸识别方法，其特征在于，在步骤2中，采用标准的独立分量分析方法训练ICA滤波，其计算公式如下：s＝Wx＝UVx＝Uz(1)其中，x为采样样本，W为滤波矩阵，z为预处理后的采样样本矩阵，U是一个方阵(通过ICA估计得到)，V为白化矩阵，n为选择的特征向量的个数。3.如权利要求2所述的人脸识别方法，其特征在于，在步骤3中，对特征映射图像进行非线性与池化处理采用ReLU运算，其公式如下：y＝max(x,0)(3)其中x为输入的像素点，y为输出像素点；采用平均池化的方法对该算法进行降维处理，公式如下：

【专利技术属性】
技术研发人员：张永清，耿天玉，胡金蓉，符颖，郜东瑞，赵长名，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51