基于分层矢量化的人脸特征向量优化方法技术

本发明专利技术公开一种基于分层矢量化的人脸特征向量优化方法，为了将两张照片映射到同一特征空间中进行比较，以基于分层矢量化的人脸特征向量优化结合深度神经网络，甚至双层深度神经网络，实现不同图像空间到相同特征的空间映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性。

Face feature vector optimization method based on hierarchical Vectorization

【技术实现步骤摘要】
基于分层矢量化的人脸特征向量优化方法
本专利技术涉及分层矢量化领域，尤其涉及基于分层矢量化的人脸特征向量优化方法。
技术介绍
随着互联网和电信技术的发展，移动互联网已成为当今信息化社会下的关键趋势，在移动互联网中，运营商将提供基于个人身份的服务、基于个人位置的服务，并且用户可以随时随地的创造内容，由过去的内容被动接受者变为内容的主动创造者，因此用户能接收到无处不在的信息服务，而信息是消费者消费行为中最重要的因素。移动互联网所具备的信息整合与人际传播功能，为消费者行为提供了重要的信息服务，使得消费行为具有了主动性、选择性和创造性，改变了传统的消费行为。而自2010年9月1日“手机实名制”政策的尘埃落定以来，运营商需贯彻政策的实施（拟3年内补、录齐原有存量客户个人身份信息），且目前电信营业厅办理入网手续，固话和移动电话新增用户需要登记真实的身份信息。而在身份信息核实过程中经常运用到的关于人脸识别技术，人脸识别中核心技术为人脸特征比对技术，针对深度神经网络需要大量数据的问题，需要研究分层矢量化多媒体信息表达体系。深度卷积神经网络（DCNN）是机器学习、模式识别领域的研究热点，目前已经在图像分类、人脸识别等方面取得了十分成功的应用。他主要的特点是利用线性或非线性的函数通过组合底层特征形成更加抽象的高层标识。但是在数据不足时，DCNN会有严重的过拟合，降低使用效果，同时人证对比中，即验证身份证芯片照与现场照的身份是否一致，由于两张照片失配程度较大（非同源、身份证照片分辨率低，两张照片年龄跨度大），会导致特征空间中样本分布的差异性较大，导致对比失败。专利技术技术方案为解决上述技术问题，本专利技术提供一种基于分层矢量化的人脸特征向量优化方法，为了将两张照片映射到同一特征空间中进行比较，以基于分层矢量化的人脸特征向量优化结合深度神经网络，甚至双层深度神经网络，实现不同图像空间到相同特征的空间映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性本专利技术技术方案为一种基于分层矢量化的人脸特征向量优化方法，其特征在于，包含图片库、人脸图像块、人脸图像块特征字典、人脸图像特征集；第一步，对图片库中采集得人脸图像进行分块；第二步，对分块后的人类图像每块区域提取局部特征形成局部特征描述子；第三步，对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典，制定对于多层的特征编码只需要把上一层的人脸图像的特征向量作为输入重新提取特征并进行量化形成字典编码；第四步，根据形成的字典信息和人脸图像的映射，编码形成人脸图像的特征向量，形成分层矢量化的人脸特征向量。其中，第一步包含：a)提取集中人脸图像形成色阶矩阵；b)计算得到色阶矩阵各条向量的平均值；c)计算得到色阶矩阵各条向量与平均值的差值并形成差值矩阵；d)求得差值矩阵的较大的若干个奇异值；e)根据奇异值设定阀值区域分块。其中，第二步包含：a)根据每块区域计算得到色阶矩阵各条向量的平均值；b)计算得到色阶矩阵各条向量与平均值的差值并形成差值矩阵；c)将差值向量投影到所述的特征脸空间，形成局部特征描述子向量d)对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典。其中，所述人工神经网络字典包含输入层、隐藏层、输出层，其中隐藏层包含2层；输入层：所有形成局部特征描述子进行量化生成目标数据w向量和b向量；构建第一神经元隐藏层：定义损失函数，整个算法的目的就是寻找一组w向量和b向量使得损失函数最小化，损失函数通常可以定义为实际值和预测值的均方误差绝对值，学习率是一个超参数，这里设为0.5；构建第二神经元隐藏层：根据构建第一神经元隐藏层数据定义损失函数，整个算法的目的就是寻找一组w向量和b向量使得损失函数最小化，损失函数通常可以定义为实际值和预测值的均方误差绝对值，学习率是一个超参数，这里设为0.2；输出层：根据构建第二神经元隐藏层数据经过算法$=2w^2-2b，这里直接通过表达式生成字典编码。其中w向量和b向量为根据将输入人脸的主成分特征和输入人脸的局部二值特征的值获得，w=2x^2/0.5y,b=1.5x^2/y,x、y为人脸的主成分特征和人脸的局部二值特征。进而在实际实施中将两张照片映射到同一特征空间中进行比较，以基于分层矢量化的人脸特征向量优化结合深度神经网络，甚至双层深度神经网络，实现不同图像空间到相同特征的空间映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性。本专利技术的有益效果为：采用一种基于分层矢量化的人脸特征向量优化方法，为了将两张照片映射到同一特征空间中进行比较，以基于分层矢量化的人脸特征向量优化结合深度神经网络，甚至双层深度神经网络，实现不同图像空间到相同特征的空间映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例分层矢量化的人脸特征向量优化示意图；图2为本专利技术实施例构成人工神经网络形成字典示意图。具体实施方式本专利技术实施例提供了一种基于分层矢量化的人脸特征向量优化方法，其特征在于，包含图片库、人脸图像块、人脸图像块特征字典、人脸图像特征集；为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。如图1-2所示，本专利技术技术方案实施例提供一种基于分层矢量化的人脸特征向量优化方法，其特征在于，包含图片库、人脸图像块、人脸图像块特征字典、人脸图像特征集；第一步，对图片库中采集得人脸图像进行分块；第二步，对分块后的人类图像每块区域提取局部特征形成局部特征描述子；第三步，对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典，制定对于多层的特征编码只需要把上一层的人脸图像的特征向量作为输入重新提取特征并进行量化形成字典编码；第四步，根据形成的字典信息和人脸图像的映射，编码形成人脸图像的特征向量，形成分层矢量化的人脸特征向量。其中，第一步包含：a)提取集中人脸图像形成色阶矩阵；b)计算得到色阶矩阵各条向量的平均值；c)计算得到色阶矩阵各条向量与平均值的差值并形成差值矩阵；d)求得差值矩阵的较大的若干个奇异值；e)根据奇异值设定阀值区域分块。其中，第二步包含：a)根据每块区域计算得到色阶矩阵各条向量的平均值；b)计算得到色阶矩阵各条向量与平均值的差值并形成差值矩阵；c)将差值向量投影到所述的特征脸空间，形成局部特征描述子向量d)对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典。如图1-2所示，其中，所述人工神经网络字典包含输入层、隐藏层、输出层，其中隐藏层包含2层；输入层：所有形成局部本文档来自技高网...

【技术保护点】
1.基于分层矢量化的人脸特征向量优化方法，其特征在于，包含图片库、人脸图像块、人脸图像块特征字典、人脸图像特征集；第一步，对图片库中采集得人脸图像进行分块；第二步，对分块后的人类图像每块区域提取局部特征形成局部特征描述子；第三步，对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典，制定对于多层的特征编码只需要把上一层的人脸图像的特征向量作为输入重新提取特征并进行量化形成字典编码；第四步，根据形成的字典信息和人脸图像的映射，编码形成人脸图像的特征向量，形成分层矢量化的人脸特征向量。

【技术特征摘要】
1.基于分层矢量化的人脸特征向量优化方法，其特征在于，包含图片库、人脸图像块、人脸图像块特征字典、人脸图像特征集；第一步，对图片库中采集得人脸图像进行分块；第二步，对分块后的人类图像每块区域提取局部特征形成局部特征描述子；第三步，对所有形成局部特征描述子进行量化生成目标数据，由目标数据构成人工神经网络形成字典，制定对于多层的特征编码只需要把上一层的人脸图像的特征向量作为输入重新提取特征并进行量化形成字典编码；第四步，根据形成的字典信息和人脸图像的映射，编码形成人脸图像的特征向量，形成分层矢量化的人脸特征向量。2.根据权利要求1所述的基于分层矢量化的人脸特征向量优化方法，其特征在于，第一步包含：a)提取集中人脸图像形成色阶矩阵；b)计算得到色阶矩阵各条向量的平均值；c)计算得到色阶矩阵各条向量与平均值的差值并形成差值矩阵；d)求得差值矩阵的较大的若干个奇异值；e)根据奇异值设定阀值区域分块。3.根据权利要求1所述的基于分层矢量化的人脸特征向量优化方法，其特征在于，第二步包含：a)根据每块区域计算得到色阶矩阵各...

【专利技术属性】
技术研发人员：唐晓东，
申请(专利权)人：广州市森锐科技股份有限公司，
类型：发明
国别省市：广东,44