人脸识别方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种人脸识别方法、装置及存储介质，其方法包括：获取待识别人脸图像，对待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。本发明专利技术大大增加了对人脸图像非线性变换(如表情变化、姿态变化)的鲁棒性，进而提高了识别率，同时也降低了算法复杂度。

【技术实现步骤摘要】
人脸识别方法、装置和存储介质
本专利技术涉及人脸识别
，尤其涉及一种人脸识别方法、装置及存储介质。
技术介绍
在计算机视觉和模式识别领域，人脸识别有着巨大的市场价值(如监控视频、门禁系统等)，因此受到了学术界和工业界的广泛关注。在人脸识别过程中，同一个人在不同拍摄环境下得到的人脸图像一般存在较大的非线性变化，例如光照变化、表情变化、姿态变化和局部遮挡等。当待识别人脸图像与查询数据库中同身份的人的人脸图像存在较大非线性变化时，要求人脸识别算法对上述非线性变化有比较好的鲁棒性，这样才能够准确地确定待识别人脸图像的身份。另外，在实际应用中，查询数据库中每个人有可能只能获取一张人脸图像，比如电子护照人脸图像、驾驶证人脸图像等，此应用下的人脸识别称为单样本人脸识别。单样本人脸识别比较困难，因为在训练集中每个人只有一张人脸图像，可以利用的信息非常有限，难以预测待识别人脸图像的各种非线性变化。目前的单样本人脸识别方法可被分为如下的两类：利用了广义训练集的方法和不需要用广义训练集的方法。不需要利用广义训练集的方法一定程度上提高了人脸识别的性能，但是他们没有对单样本组成的训练集引入附加的变化信息，识别能力不足。用到了广义训练集的方法能够从广义训练集中提取人脸变化信息来补偿单样本训练集表达能力不足的缺点，以便处理待识别人脸图像的各种变化，提高识别能力。目前研究人员对此方法进行了一定的研究，并且取得了一定的成果，如Deng等在2012年提出了扩展的稀疏表示分类器(ESRC)，Zhu等在2014年提出了局部广义表示方法(LGR)。但是ESRC用整体人脸图像作为特征向量，鲁棒性能不是非常好，并且需要求解稀疏约束的优化问题，计算复杂度高。LGR通过将整体图像按照行和列均等的划分为多个小块，对每个小块进行编码表示，然后综合各个小块的表示误差推断出最终的人脸身份。其次，ESRC和LGR都是用灰度特征来表示人脸图像，灰度特征对人脸图像的非线性变化(如表情变化、姿态变化)鲁棒性不足，导致识别性能下降。最后，LGR在对各个小块进行单独表示时忽略了各个小块来自于同一个人脸的事实。因此，当前的人脸识别算法存在诸多不足：如对人脸图像的非线性变换(如表情变化、姿态变化)鲁棒性不好，识别性能低下等缺点。
技术实现思路
本专利技术提供一种人脸识别方法、装置及存储介质，旨在提高人脸识别方法的鲁棒性、提高识别性能，降低算法复杂度。为实现上述目的，本专利技术提供一种人脸识别方法，包括：获取待识别人脸图像，对所述待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从所述Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。可选地，所述对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别的步骤包括：初始化第j(j＝1,2,...,J)个Gabor特征图像的第k(k＝1,2,..,K)个特征点处的三重局部特征yjk的权重ωjk为1，初始化当前迭代次数t＝0，初始化最大迭代次数T为一常数；令t＝t+1；根据预先建立的类内变化字典和查询字典，计算所述三重局部特征yjk的表示系数αjk；根据预先建立的类内变化字典和查询字典，以及所述三重局部特征yjk的表示系数αjk，计算所述三重局部特征yjk的表示残差ejk；计算第j(j＝12...J)个Gabor特征图像的所有三重局部特征的表示残差均值根据所述表示残差均值更新所述权重ωjk；重复上述过程，直到t大于或等于T，确定待识别人脸图像的身份ID。可选地，所述获取待识别人脸图像的步骤之前，还包括：配置基于人脸特征点对人脸图像进行划分的策略。可选地，所述配置基于人脸特征点对人脸图像进行划分的策略的步骤包括：对于预设的人脸图像，利用人脸特征点检测器检测得到人脸上的若干个关键特征点，所述若干个关键特征点至少包括5个关键特征点，分别是左眼睛中心点、右眼睛中心点、鼻尖、嘴巴左角点、嘴巴右角点；在所述人脸图像上采样若干个辅助特征点；对若干个关键特征点和若干个辅助特征点，以每个特征点为中心，提取分块。可选地，在所述若干个辅助特征点提取的分块总区域覆盖整个人脸区域。可选地，所述获取待识别人脸图像的步骤之前，还包括：基于三重局部特征联合表示建立类内变化字典和查询字典。可选地，所述基于三重局部特征联合表示建立类内变化字典的步骤包括：获取预设的标准数据库，所述标准数据库中的每个人的人脸图像集包括：参考图像和变化图像；对于预设的标准数据库中的每个人的人脸图像集，提取其参考图像的不同尺度不同方向的J个Gabor特征图像，并根据预先配置的基于人脸特征点对人脸图像进行划分的策略，提取所述参考图像的K个特征点；对于所述标准数据库中的每个人的人脸图像集，提取每幅变化图像的不同尺度不同方向的J个Gabor特征图像，并根据预先配置的基于人脸特征点对人脸图像进行划分的策略，提取每幅变化图像的K个特征点；对于所述标准数据库中的每个人，基于所述参考图像的Gabor特征图像以及对应的特征点的三重局部特征，所述变化图像的Gabor特征图像以及对应的特征点的三重局部特征，分别构建K×J个类内变化子字典；将所述类内变化子字典按列排列组成类内变化字典。可选地，所述基于三重局部特征联合表示建立查询字典的步骤包括：获取查询数据库，所述查询数据库中每个人包含一幅人脸图像；对于查询数据库中的每个人脸图像，提取每幅图像的不同尺度不同方向的J个Gabor特征图像，并根据预先配置的基于人脸特征点对人脸图像进行划分的策略，提取K个特征点；对于所述查询数据库中的每个人脸图像，基于所述人脸图像的Gabor特征图像以及对应的特征点的三重局部特征，构造K×J个查询字典。此外，本专利技术还提出一种人脸识别装置，包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序被所述处理器运行时实现如上所述的方法的步骤。此外，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现如上所述的方法的步骤。相比现有技术，本专利技术提出的人脸识别方法、装置及存储介质，通过获取待识别人脸图像，对待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从所述Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。本专利技术提取人脸图像多个尺度多个方向的Gabor特征图像，并基于人脸特征点对Gabor特征图像进行分块，并将此分块作为三重局部特征，此三重局部特征内在编码了图像的局部方向、局部尺度、局部空间属性，大大增加了对人脸图像非线性变换(如表情变化、姿态变化)的鲁棒性，进而提高了识别率。此外，本专利技术对属于同一个Gabor特征图像位于不同空间的三重局部特征进行联合表示，要求各个局部三重特征的表示系数相似，这样充分利用了这些局部三重特征来自同一个人脸的同一个Gabor特征图像的先验知识，可进一步提高识别准确率，并本文档来自技高网...

【技术保护点】
一种人脸识别方法，其特征在于，包括：获取待识别人脸图像，对所述待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从所述Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：获取待识别人脸图像，对所述待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从所述Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。2.根据权利要求1所述的方法，其特征在于，所述对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别的步骤包括：初始化第j(j＝1,2,...,J)个Gabor特征图像的第k(k＝1,2,..,K)个特征点处的三重局部特征yjk的权重ωjk为1，初始化当前迭代次数t＝0，初始化最大迭代次数T为一常数；令t＝t+1；根据预先建立的类内变化字典和查询字典，计算所述三重局部特征yjk的表示系数αjk；根据预先建立的类内变化字典和查询字典，以及所述三重局部特征yjk的表示系数αjk，计算所述三重局部特征yjk的表示残差ejk；计算第j(j＝1,2,...,J)个Gabor特征图像的所有三重局部特征的表示残差均值根据所述表示残差均值更新所述权重ωjk；重复上述过程，直到t大于或等于T，确定待识别人脸图像的身份ID。3.根据权利要求1所述的方法，其特征在于，所述获取待识别人脸图像的步骤之前，还包括：配置基于人脸特征点对人脸图像进行划分的策略。4.根据权利要求3所述的方法，其特征在于，所述配置基于人脸特征点对人脸图像进行划分的策略的步骤包括：对于预设的人脸图像，利用人脸特征点检测器检测得到人脸上的若干个关键特征点，所述若干个关键特征点至少包括5个关键特征点，分别是左眼睛中心点、右眼睛中心点、鼻尖、嘴巴左角点、嘴巴右角点；在所述人脸图像上采样若干个辅助特征点；对若干个关键特征点和若干个辅助特征点，以每个特征点为中心，提取分块。5.根据权利要求4所述的方法，其特征在于，在所述若干个辅助特征点提取的分块总区域覆盖整...

【专利技术属性】
技术研发人员：杨猛，王兴，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44