一种基于稀疏约束的人脸二值特征提取方法技术

本发明专利技术公开了一种基于稀疏约束的人脸二值特征提取方法。在经典的二值特征学习算法的基础上，本发明专利技术基于稀疏约束项，诱导产生具有行稀疏结构的投影矩阵，在投影过程中，能够提高原始特征中主要特征的贡献度，减少次要和冗余特征的影响。实际场景中，容易被噪声干扰的往往是次要特征，主要特征不易受其影响。因此本发明专利技术提取到的人脸特征具有更好的鲁棒性和稳定性，对人脸识别具有实际应用价值。对人脸识别具有实际应用价值。对人脸识别具有实际应用价值。

【技术实现步骤摘要】
一种基于稀疏约束的人脸二值特征提取方法


[0001]本专利技术属于人脸识别
，特别涉及一种基于稀疏约束的人脸二值特征提取方法。

技术介绍

[0002]近年来人脸识别技术在身份认证、智能监控等方面有着广泛应用，但实际场景中的各种变化因素，如光照姿态等，都会影响其性能。人脸识别主要包括两个过程：人脸表示和人脸匹配。人脸表示是对采集到的人脸图像进行特征提取，人脸匹配是设计分类器以识别不同的身份。其中能否提取到稳定有效且具有区分性的表示特征，决定了算法识别精度。
[0003]基于二值特征学习的方法通过设计好的目标函数，从训练样本中学习投影矩阵及主要的编码模式，对人脸图像进行二进制编码并统计为直方图特征。代表性的算法有紧凑二进制人脸描述符：Lu J,Liong VE,Zhou X,et al.Learning Compact Binary Face Descriptor for Face Recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏约束的人脸二值特征提取方法，其特征在于，步骤如下：步骤1、数据集预处理对公开的人脸数据集进行预处理，获得训练集和测试集；所述的预处理过程包括人脸区域的定位与背景裁剪、图像灰度化和分辨率归一化；步骤2、基于邻域与中心点像素的灰度差，依次遍历每张训练样本并提取一系列具有描述能力的像素差值向量PDV(Pixel Difference Vector)，即原始特征；步骤3、将获得的原始特征去中心化，根据设计好的目标函数学习一个投影矩阵，再利用符号函数映射为二值特征；使用k均值算法从二值特征中学习一个聚类字典；所述的目标函数由三项构成：特征表达项、量化误差项和稀疏约束项；特征表达项保证了投影得到了二值特征具有最大的方差，量化误差项保证原始特征和二值特征之间的量化误差最小，稀疏约束项保证投影矩阵具有行稀疏结构特性，能够区分主要特征和次要特征；步骤4、对于测试集，用步骤2的方法计算其原始特征，再进行去中心化；用学习得到的投影矩阵，以及符号函数将去中心化后的原始特征映射为只包含0和1的二值特征；得到对应的二值特征后，基于欧式距离匹配学习得到的聚类字典中最为相似的类中心，统计每个类中心出现的次数，得到直方图特征向量，向量维度在数值上与类中心数相等。2.根据权利要求1所述的一种基于稀疏约束的人脸二值特征提取方法，其特征在于，步骤1具体方法如下：对公开的人脸数据集，根据其提供的五官部位在图像中的坐标位置，裁剪出人脸区域后，将分辨率大小统一调整至256
×
256像素，最后再用matlab提供的函数进行灰度化，即完成预处理过程；人脸数据集分为训练数据和测试数据，分别按此步骤完成预处理，得到训练集和测试集。3.根据权利要求2所述的一种基于稀疏约束的人脸二值特征提取方法，其特征在于，步骤2具体方法如下：基于3
×
3大小的邻域与中心点像素的灰度差，依次遍历每张训练样本并提取一系列具有描述能力的像素差值向量即原始特征，得到原始特征集合其中N表示训练样本数，L表...

【专利技术属性】
技术研发人员：孙伟杰，叶学义，廖奕艺，郭文风，曾懋胜，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：