一种基于两层自组织神经网络的人脸特征二进制编码与识别方法技术

本发明专利技术公开了一种基于两层自组织神经网络的人脸特征二进制编码与识别方法，步骤为：首先将人脸图像划分为多个子块，提取图像的SIFT特征；根据人脸图像SIFT特征构建两层自组织神经网络，构成视觉词典；基于视觉词典以及两层SOM架构对人脸图像编码，将人脸特征投射到深层语义空间；对编码后人脸图像池化，降低编码维度，生成二进制编码描述人脸；最后，通过与运算方式计算图像编码距离对人脸图像分类。本发明专利技术利用SOM模拟人类视觉感知机制，形成二进制的特征信息提取方案，利于人脸快速识别，对人脸识别情况下的视觉遮挡，光线变化方面具有很强鲁棒性。

【技术实现步骤摘要】
一种基于两层自组织神经网络的人脸特征二进制编码与识别方法
本专利技术属于设计人脸识别
，特别涉及一种基于两层自组织神经网络的人脸特征二进制编码与识别方法。
技术介绍
人脸特征由于其易获取，非侵占性强，易提取特征的特性，在生物特征识别方面有着极大的优势，人脸识别技术的研究也始终是计算机视觉方面的研究热点。人脸识别技术经过几十年的发展，在识别精度，环境影响等方面都取得了很大的进展，已经广泛应用在身份识别，准入控制，司法确认上。但在人脸识别的实际应用过程中，大部分应用场景都存在训练样本不足，例如单样本识别的情况，给实际的应用带来很大问题。单样本人脸识别由于训练样本的不充分，人脸图像的环境影响，表情变化会进一步加深人脸特征表示与类别信息不统一的问题。词袋模型通过提取中层语义特征，可以有效缩小“语义鸿沟”，减少特征表示与高层类别信息间的距离，近年来已被引入人脸识别领域。例如，Xie等人(S.F.Xie,S.G.Shan,X.L.Chen,X.MengandW.Gao,LearnedlocalGaborpatternforfacere本文档来自技高网...

【技术保护点】
1.一种基于两层自组织神经网络的人脸特征二进制编码与识别方法，其特征在于，包括如下步骤：/n(1)将训练人脸图像划分为N个互不重叠的子块，对每个子块提取SIFT特征，获得该人脸图像的SIFT局部特征集合X∈R

【技术特征摘要】
1.一种基于两层自组织神经网络的人脸特征二进制编码与识别方法，其特征在于，包括如下步骤：
(1)将训练人脸图像划分为N个互不重叠的子块，对每个子块提取SIFT特征，获得该人脸图像的SIFT局部特征集合X∈RD×N，其中，D表示SIFT局部特征维数，N表示子块个数；
(2)对人脸图像训练集内每个训练图像随机选取A个SIFT特征，构成SIFT特征集合Xs，利用Xs作为输入层构建第一层自组织神经网络(SOM)S1，其输出层神经元数量为T；
(3)将集合Xs输入S1，得到每个SIFT特征响应的神经元；选择响应SIFT特征较多的神经元构成神经元集合S，这部分神经元响应SIFT特征较多，鉴别性弱，其对应的SIFT特征构成集合利用Xt构建第二层自组织神经网络S2，其输出层神经元数量为F；
(4)对任意一个训练或测试人脸图像，按照步骤(1)中训练人脸图像的划分方式划分子块，并提取子块的SIFT局部特征，构成集合Xr＝{x1,x2,…,xM}∈RD×M，其中，M为一张人脸图像所有子块的个数；基于步骤(2)和步骤(3)获得的自组织神经网络S1，S2，对该人脸图像的SIFT局部特征集合Xr中的SIFT局部特征xm进行两层二进制编码，获得其编码向量cm，m＝1,2,…,M；
(5)将人脸图像分割为W×W个局部块，每个局部块包含多个子块；设定每个局部块中含有MH个编码向量，对这些编码向量进行最大值池化操作，获得池化后的特征；将所有局部块池化后的特征合并到一起，得到该人脸图像的人脸特征编码表示；
(6)对所有训练人脸图像和所有测试人脸图像进行步骤(4)和步骤(5)的操作，得到所有训练人脸图像和所有测试人脸图像的人脸特征编码表示，将人脸特征编码进行二进制与运算计算相似度，通过相似度比较获得所有测试人脸图像的分类识别结果。


2.根据权利要求1所述的一种基于两层自组织神经网络的人脸特征二进制编码与识别方法，其特征在于，所述步骤(4)中利用S1，S2对人脸图像的SIFT局部特征集合Xr中的SIFT局部特征xm进行两层编码的具体步骤如下：
(4.1)将SIFT特征xm输入第一层神经网络S1，获得xm在S1上的响应神经元集合L1；
(4.2)将S1内除S，外剩余神经元构成集合S1′，创建全0编码向量U1,U1长度为S1′上的神经元个数K；其中S为步骤(3)...

【专利技术属性】
技术研发人员：刘凡，王菲，许峰，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32