基于公共特征子空间的V2V视频人脸识别方法技术

本发明专利技术公开了一种基于公共特征子空间的V2V视频人脸识别方法，包括以下步骤，首先，根据人脸在视频中的位置特征，将代表人脸方向的关键点位置采用聚类算法进行分类选取关键帧；然后，设计样本库特征提取网络SCNN和待验证视频特征提取网络TCNN的网络结果和训练算法，分别使用SCNN和TCNN进行特征提取，将提取到的特征映射到同一特征子空间中并计算特征中心；最后，计算待验证视频特征中心与样本库视频特征中心的欧氏距离，取距离最小为最终的视频识别结果。本发明专利技术实施于V2V视频人脸识别，有效地提高V2V视频人脸识别准确率。高V2V视频人脸识别准确率。高V2V视频人脸识别准确率。

【技术实现步骤摘要】
基于公共特征子空间的V2V视频人脸识别方法


[0001]本专利技术属于人脸识别
，尤其涉及一种基于公共特征子空间的V2V视频人脸识别方法。

技术介绍

[0002]近年来，计算机视觉的不断发展促使越来越多的技术落地成为了日常生活中实际的产品。随着深度神经网络的兴起，人脸识别技术得到了飞速发展。其中图像人脸识别己经取得了极佳的成就，而视频人脸识别的研究却相对来说达不到人们的预期。这是因为视频人脸识别不止面临着和图像人脸识别同样的光照、遮挡、姿态等问题，而且实际应用中(如监控场景下)视频的图像帧质量通常不如图像。目前，视频人脸识别方法分为两类：经典方法和深度学习方法。常用的是深度学习的方法来进行人脸识别，将一段视频分割为若干个图像帧，使用这些图像帧进行人脸识别，对最终的识别结果进行投票得到最后的视频识别结果。V2V(Video to Video)人脸识别指样本库和验证对象都是含人脸的视频，通过判别两段视频中人脸的相似性获得人脸身份，但是通常情况下样本库中的视频与待验证的视频质量存在差异，无法直接进行匹配识别。改善低质量视频常用的方法是基于公共特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于公共特征子空间的V2V视频人脸识别方法，其特征在于，包括以下步骤：步骤1，数据预处理，将数据集中的低质量视频数据拆分成图像帧，人脸检测裁剪成32*40px大小的人脸图像，将图像集使用算法划分为训练集和测试集，数据集大小比例为7:3；步骤2，选取关键帧，将数据集中低质量视频人脸图像帧的关键点位置作为人脸特征，使用K
‑
means聚类算法和随机算法选取关键帧；步骤3，初始化样本库特征提取网络SCNN，输入样本库视频序列的训练集关键帧进行特征提取和Softmax分类，并计算特征中心；步骤4，计算Softmax交叉熵损失，同时使用步骤3中得到的特征中心计算CenterLoss损失，使用Softmax交叉熵损失和CenterLoss损失共同训练和更新SCNN，直到收敛；步骤5，将步骤4中收敛后的SCNN网络进行复制作为待验证视频关键帧特征提取网络TCNN的初始网络，固定SCNN网络不变，将相同身份的样本库视频关键帧和待验证视频关键帧的训练集组成视频对，分别输入SCNN和TCNN提取深度特征；步骤6，将步骤5中提取的样本库视频关键帧特征和待验证视频关键帧特征映射到同一个特征子空间中，计算得到样本库视频关键帧特征的特征中心，使用距离损失函数，训练TCNN网络，直到收敛；步骤7，在测试阶段，使用训练好的SCNN提取所有样本库视频关键帧的人脸特征，使用训练好的TCNN提取待验证视频测试集关键帧的人脸特征，都映射到公共特征子空间进行匹配判别。2.根据权利要求1所述的基于公共特征子空间的V2V视频人脸识别方法，其特征在于：所述步骤1中使用的数据集为COX数据集，训练样本和测试样本使用COX数据集已经划分好的十种划分，结果取十次实验的平均值；同时从COX数据集中每个人的三段视频序列中确定样本库视频和待验证视频的序列。3.根据权利要求1所述的基于公共特征子空间的V2V视频人脸识别方法，其特征在于：所述步骤2中K
‑
means算法的K值为5，分别代表...

【专利技术属性】
技术研发人员：袁家斌，陆要要，何珊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：