基于小样本学习和稀疏表示的多光照人脸识别方法技术

一种图像处理技术领域的基于小样本学习和稀疏表示的多光照人脸识别方法，通过构建图像光照集并采用熵图像法合成虚拟合成样本，然后采用稀疏表达法从虚拟训练样本中获得待识别个体在过完备人脸基上的稀疏表示；最后将样本重构系数向量代入类别带通函数后对原测试图像进行重构，得到各类别重构样本与原测试图像的残差，并代入类别判定公式得到识别结果。本发明专利技术解决原有稀疏框架需求庞大学习样本的问题，并且达到良好的识别性能。尤其对于遮挡和多光照情况具有较好的鲁棒性，获得采样需求、识别率以及人机交互率性能方面的突破。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理
的方法，具体是一种基于小样本学习和稀 疏表示的多光照人脸识别方法。
技术介绍
目前，人脸识别作为一项既有科学研究价值，又有广泛应用前景的研究课题，国际 上大量研究人员几十年的研究取得了丰硕的研究成果，自动人脸识别技术已经可以在某些 限定条件下得到成功应用。随着人脸识别技术的发展，如何利用尽量少的人脸图像(单幅 图像)在姿态和光照条件发生变化的条件下，准确的完成人脸识别成为今后人脸识别技术 的主要发展方向之一。小样本多光照人脸自动识别系统便是一种解决该问题的方案。在这 样一个系统中，提供待识别个体的一幅人脸图像样本，根据熵图像的方法，逆向建立合理的 过完备基。再根据目前在人脸识别方面取得突破的稀疏表达的分类方法进行人脸识别，可 以达到良好的识别性能。经过对现有技术的文献检索发现，John Wright等人2009年在IEEE Transactions onPattern Analysis and Machine Intelligence (IEEE模式分析与机器智能汇刊)所发表 的RobustFace Recognition via Sparse Representation (基于稀疏表示的鲁棒人脸识 别)” 一文中利用信号处理领域，关于超完备基的稀疏线性表示计算问题，即压缩传感理论 的方法，将人脸识别建模为测试样本作为仅仅由同一个人的训练样例构成的线性组合，这 对于整个庞大的训练库来说，只涉及到很少的一部分，于是形成了稀疏的条件，可以通过凸 优化的方法来计算。但是该技术对于每个待识别的个体需要大量的训练样本构成冗余的过 完备基才能形成稀疏的条件，因此对于小样本，尤其是单个训练样本的人脸识别问题根本 无法适用。进一步检索发现,Shashua等人在 IEEE Transactions on Pattern Analysis and MachineIntelligence (IEEE模式分析与机器智能汇刊)所发表的“The quotient image Class-basedre-rendering and recognition with varying illuminations (少商图像基 于类的重构和多光照识别)”一文中，提出了熵图像的概念和熵图像对于光照的独立性，该 技术对于多光照情况下的识别问题有一定的鲁棒性。但是该技术多应用于人脸识别中的光 照补偿问题，尤其是由本概念发展而来的SQI (自熵图像)的方法，主要集中于对待识别图 像进行预处理，对于小样本识别问题的处理仍然有一定的局限性。
技术实现思路
本专利技术针对现有技术存在的上述不足，提供一种基于小样本学习和稀疏表示的多 光照人脸识别方法，通过少量样本的学习，结合熵图像光照重构的思想，建立合理的过完备 基，然后在稀疏表示框架下进行人脸识别，形成完整的系统，解决原有稀疏框架需求庞大学 习样本的问题，并且达到良好的识别性能。尤其对于遮挡和多光照情况具有较好的鲁棒性， 获得采样需求、识别率以及人机交互率性能方面的突破。4本专利技术是通过以下技术方案实现的，本专利技术包括如下步骤步骤一，构建图像光照集选取K个在相同的η种光照情况下拍摄的人脸图片作为 图像光照集，其中Κ为图像光照集中包括的不同个体的个数，η为光照情况的种类数，η种 光照情况两两保持一定的差距，并且形成一个至少3种光照情况的冗余光照集；步骤二，采用熵图像法合成虚拟合成样本；所述的熵图像法是指2. 1)将图像光照集与待识别个体的训练图像和测试图像对准，即将不同的人脸图 像五官经过初步的对焦，并且图像的像素裁剪为统一的大小，到对准矩阵；2.2)采用图像光照集和待识别个体的训练样本计算得到每个待识别个体的熵图像Qy，本文档来自技高网...

【技术保护点】

【技术特征摘要】
一种基于小样本学习和稀疏表示的多光照人脸识别方法，其特征在于，包括如下步骤步骤一，构建图像光照集选取K个在相同的n种光照情况下拍摄的人脸图片作为图像光照集，其中K为图像光照集中包括的不同个体的个数，n为光照情况的种类数，n种光照情况两两保持一定的差距，并且形成一个至少3种光照情况的冗余光照集；步骤二，采用熵图像法合成虚拟合成样本；步骤三，采用稀疏表达法从虚拟训练样本中获得待识别个体在过完备人脸基上的稀疏表示；步骤四，将样本重构系数向量z代入类别带通函数δi(z)后对原测试图像进行重构，得到各类别重构样本与原测试图像的残差ri(yt)＝||yt Aδi(z)||2，并代入类别判定公式identity(yt)＝argminiri(yt)得到识别结果，其中样本重构系数向量z除了与第i个个体相关的系数之外的系数都为0，Aδi(z)为利用带通处理后的样本重构系数构造的图像。2.根据权利要求1所述的基于小样本学习和稀疏表示的多光照人脸识别方法，其特征 是，所述的熵图像法是指2. 1)将图像光照集与待识别个体的训练图像和测试图...

【专利技术属性】
技术研发人员：宋利，胡蝶，支琤，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31