The invention discloses a single sample face recognition method based on a multi-scale joint feature encoder, which comprises the following steps: image preprocessing; face region division; multi-scale region independent feature learning; training each face region separately to obtain an independent feature coding matrix; joint feature learning to multi-scale each region. Degree-independent feature coding matrix is decomposed and clustered to get joint feature coding matrix; feature extraction is carried out by multi-scale joint feature coding matrix for face image feature extraction; feature recognition is carried out by comparing the features extracted from each region to obtain recognition results. The invention provides a joint feature learning method based on sparse automatic coding technology, which can learn robust face features under the condition of limited face training data, solves the problem of face recognition under the condition of occlusion and illumination interference, and greatly enlarges the application scene of face recognition.
【技术实现步骤摘要】
基于多尺度联合特征编码器的单样本人脸识别方法
本专利技术涉及人脸识别
,具体涉及一种基于多尺度联合特征编码器的单样本人脸识别方法。
技术介绍
人脸由于其唯一性和不可复制性,是身份识别中一项重要的生物特征。人脸识别技术更是由于其非接触性和易采集性被广泛应用于各种安全领域。但是实际应用中存在各种复杂场景和单样本集限制,因此高效且普适的人脸识别算法日益成为当前研究的热点。实际识别应用场景中人脸识别技术往往面临着遮挡,光照和姿态等因素的影响,传统人脸识别方法往往简单低效,已无法应对复杂场景下的人脸识别。并且实际识别应用场景大部分待识别目标只有唯一或者有限的人脸样本图像,而现阶段流行的深度学习方法又需要大量的训练图像。因此急需新方法解决此类问题。
技术实现思路
本专利技术的专利技术目的在于:为了解决现有技术的不足,针对复杂场景和单样本人脸数据情况提供一种更精确、更便捷的人脸识别方法,本专利技术提供了一种本专利技术的技术方案是:一种基于多尺度联合特征编码器的单样本人脸识别方法,该方法包括如下步骤:训练多尺度联合特征编码器:对人脸图像进行图像预处理,包括尺寸归一化,灰度图转换,以及图像增强等;将预处理后的人脸图像划分为多个大小相同且不重叠的人脸区域;对各人脸区域进行不同尺度模板的遍历采样,得到每个人脸区域在不同尺度下的训练数据集;基于预设的图像特征编码方式(图像特征编码方式可采用任一惯用方式),对各尺度下各人脸区域的训练数据集进行特征编码训练,得到不同尺度下不同人脸区域的独立特征编码矩阵,完成多尺度区域独立特征学习;基于相同的分解数,将各独立特征编码矩阵分解为多个特征 ...
【技术保护点】
1.一种基于多尺度联合特征编码器的单样本人脸识别方法,其特征在于,包括如下步骤:训练多尺度联合特征编码器:对人脸图像进行图像预处理;将预处理后的人脸图像划分为多个大小相同且不重叠的人脸区域;对各人脸区域进行不同尺度模板的遍历采样,得到每个人脸区域在不同尺度下的训练数据集;基于预设的图像特征编码方式,对各尺度下各人脸区域的训练数据集进行特征编码训练,得到不同尺度下不同人脸区域的独立特征编码矩阵;基于相同的分解数,将各独立特征编码矩阵分解为多个特征编码向量,即各独立特征编码矩阵分解得到的特征编码向量数相同;由同一人脸区域同一尺度下的特征编码向量构成不同尺度下不同人脸区域的特征编码向量集合,再将同一尺度下的所有人脸区域的特征编码向量集合融合为当前尺度下的联合特征编码矩阵,得到不同尺度的联合特征编码矩阵;基于预设的图像特征编码方式和不同尺度的联合特征编码矩阵得到多尺度联合特征编码器;对待识别人脸图像、待匹配人脸图像进行特征提取:对待识别人脸图像、待匹配人脸图像进行图像预处理后,将其划分为多个大小相同且不重叠的待识别人脸区域、待匹配人脸区域,其中人脸区域数均与训练多尺度联合特征编码器时划分的人脸 ...
【技术特征摘要】
1.一种基于多尺度联合特征编码器的单样本人脸识别方法,其特征在于,包括如下步骤:训练多尺度联合特征编码器:对人脸图像进行图像预处理;将预处理后的人脸图像划分为多个大小相同且不重叠的人脸区域;对各人脸区域进行不同尺度模板的遍历采样,得到每个人脸区域在不同尺度下的训练数据集;基于预设的图像特征编码方式,对各尺度下各人脸区域的训练数据集进行特征编码训练,得到不同尺度下不同人脸区域的独立特征编码矩阵;基于相同的分解数,将各独立特征编码矩阵分解为多个特征编码向量,即各独立特征编码矩阵分解得到的特征编码向量数相同;由同一人脸区域同一尺度下的特征编码向量构成不同尺度下不同人脸区域的特征编码向量集合,再将同一尺度下的所有人脸区域的特征编码向量集合融合为当前尺度下的联合特征编码矩阵,得到不同尺度的联合特征编码矩阵;基于预设的图像特征编码方式和不同尺度的联合特征编码矩阵得到多尺度联合特征编码器;对待识别人脸图像、待匹配人脸图像进行特征提取:对待识别人脸图像、待匹配人脸图像进行图像预处理后,将其划分为多个大小相同且不重叠的待识别人脸区域、待匹配人脸区域,其中人脸区域数均与训练多尺度联合特征编码器时划分的人脸区域数相同;对各人脸区域进行不同尺度模板的遍历采样,得到每个人脸区域在不同尺度下的待识别数据集,待匹配数据集;基于多尺度联合特征编码器对待识别数据集进行特征提取,得到取待识别人脸图像在不同...
【专利技术属性】
技术研发人员:刘欣刚,梅永勇,余涛,严敬仁,王艺豪,代成,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。