【技术实现步骤摘要】
一种人脸识别方法、装置和设备
本申请涉及人脸识别
，尤其涉及一种人脸识别方法、装置和设备。
技术介绍
身份识别或验证方法广泛应用于公共安全、电子商务等领域。现有的身份识别或验证方法主要是依赖于生物特征识别技术。生物特征识别是指依靠人类生理特征，使用智能方法或技术进行身份识别或验证，生物特征包括指纹、掌纹、虹膜等特征，而人脸识别方法是身份识别中最常用的方法。人脸识别方法是将人脸作为生物特征进行身份识别，不同于其他生物特征识别方法，人脸识别技术具有非接触型、便捷快速、识别性能较高等优点。现有技术中的人脸识别方法在人脸图像存在遮挡、光照、模糊等图像质量情况时，容易出现识别错误，使得识别准确率不高的问题。
技术实现思路
本申请提供了一种人脸识别方法、装置和设备，用于解决现有的人脸识别方法在人脸图像存在遮挡、光照、模糊等图像质量情况时，容易出现识别错误，使得人脸识别准确率不高的技术问题。有鉴于此，本申请第一方面提供了一种人脸识别方法，包括：获取测试人脸图像，并通过预置对抗生成网...
【技术保护点】
1.一种人脸识别方法，其特征在于，包括：/n获取测试人脸图像，并通过预置对抗生成网络对所述测试人脸图像进行修复，得到修复图像；/n通过预置训练样本集构建的字典矩阵对所述修复图像进行人脸稀疏表示，得到各类训练样本对应的重构图像；/n计算各类所述训练样本对应的重构图像与所述修复图像的残差值，选取最小的所述残差值对应的所述训练样本的类别作为所述测试人脸图像的人脸识别结果。/n
【技术特征摘要】
1.一种人脸识别方法，其特征在于，包括：
获取测试人脸图像，并通过预置对抗生成网络对所述测试人脸图像进行修复，得到修复图像；
通过预置训练样本集构建的字典矩阵对所述修复图像进行人脸稀疏表示，得到各类训练样本对应的重构图像；
计算各类所述训练样本对应的重构图像与所述修复图像的残差值，选取最小的所述残差值对应的所述训练样本的类别作为所述测试人脸图像的人脸识别结果。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述通过预置训练样本集构建的字典矩阵对所述修复图像进行人脸稀疏表示，得到各类训练样本对应的重构图像，包括：
将包含k个类别的预置训练样本集中的每个所述训练样本转换为m维列向量，组合所有类别中的所有所述训练样本对应的m维列向量，得到所述预置训练样本集对应的字典矩阵A，其中，所述字典矩阵A中的第i个元素为所述预置训练样本集中第i个类别的所有所述训练样本对应的m维列向量组合得到；
通过所述字典矩阵A和所述修复图像构建稀疏表示模型；
对所述稀疏表示模型进行求解，得到各类所述训练样本对应的稀疏表示系数；
通过各类所述训练样本对应的稀疏表示系数和所述字典矩阵对所述修复图像进行人脸稀疏表示，得到各类所述训练样本对应的重构图像。
3.根据权利要求2所述的人脸识别方法，其特征在于，所述稀疏表示模型为：
其中，x为稀疏表示系数，y为修复图像，ε为误差。
4.根据权利要求3所述的人脸识别方法，其特征在于，所述对所述稀疏表示模型进行求解，得到各类所述训练样本对应的稀疏表示系数，包括：
S1、对所述稀疏表示模型相关的目标参数进行初始化，其中，初始化后的所述目标参数中初始迭代次数t＝1、初始残差r0＝y、初始稀疏表示系数x＝0和索引集Λ0＝φ；
S2、将初始化后的所述目标参数中的初始残差和初始稀疏表示系数代入目标函数计算得到脚注λt；
S3、基于所述脚注λt更新所述索引集Λt＝Λt-1∪λt，并基于更新后的所述索引集计算对应的稀疏表示系数xt；
S4、更新残差rt＝y-Axt，当所述残差rt满足预置收敛条件时，输出所述稀疏表示系数xt，当所述残差rt不满足所述预置收敛条件时，迭代次数加一，并返回步骤S2。
5.根据权利要求1所述的人脸识别方法，其特征在于，所述预置对抗生成网络通过所述预置训练样本集训练得到，所述预置对抗生成网络的训练优化函数为：
其中，G为预置对抗生成网络中的生成网络，D为预置对抗生成网络中的判别网络，D(x)为真实的人类图像，G(z)为生成网络生成...
【专利技术属性】
技术研发人员：房小兆，韩娜，刘志虎，周郭许，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44
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。