一种基于深度信赖网络的超分辨率人脸识别方法技术

一种基于深度信赖网络的超分辨率人脸识别方法，涉及人脸识别技术领域。本发明专利技术从认知的角度出发，认为相互对应的高低分辨率人脸图像存在着内在本质的关联。而以往的研究表明，采用线性近似的方法来表达这种内在的关联效果受到线性近似地制约。因此认为这种内在的关联是非线性的。鉴于人工神经网络在非线性分类问题上的出色表现，本发明专利技术采用神经网络算法来捕获姿态变化下相互对应的高低分辨率人脸图像的非线性关联。理论研究和神经生理学的研究表明，要构建一个智能的处理系统，需要构建深度的结构，如多层非线性处理单元构建的系统。本发明专利技术利用深度信赖网络（deep?belief?networks）来挖掘相互对应的高低分辨率人脸图像存在的共有的非线性结构。

【技术实现步骤摘要】
本专利技术涉及人脸识别
，涉及到一种基于深度信赖网络的超分辨率人脸识别方法。
技术介绍
人脸识别是一种重要的生物认证技术，是计算视觉和模式识别最重要的问题之一。近几十年来，研究人员提出了大量的方法，并已广泛用于视频监控等安全保障系统中。但是，由于距离和硬件条件等的限制，在大场景视频监控系统中拍摄的感兴趣人脸图像分辨率往往比较低，从而降低了人脸识别的性能。如何在低分辨率条件下提高识别效果，是目前人脸识别需要解决的问题。图像超分辨率(super-resolution, SR)是指利用某种算法从一幅或者一系列低分辨率(low resolution, LR)图像中获得一幅或者一系列高分辨率(high resolution, HR)·图像的技术。因此，人脸图像超分辨率算法很自然地被作为提高低分辨率图像人脸识别效果的解决方案之一。申请号为CN200810096054. 7的专利单帧图象超分辨方法，首先对图象进行分析，通过频率混叠参数判定是否采用单帧频域解混叠超分辨方法进行处理；然后通过傅立叶变换、频域解混叠算法及傅立叶反变换，丰富图象的纹理与细节，提高图象的清晰度、对比度和分辨率，并抑制振铃假象本文档来自技高网...

【技术保护点】
一种基于深度信赖网络的超分辨率人脸识别方法，其特征在于包含以下步骤：1）对低分辨率图像进行最近邻插值、双线性插值或者双三次插值，使得高低分辨率图像的维度一致；2）将维度一致的带有姿态差异的高低分辨率人脸图像灰度归一到(0,1)之间，并作为深度信赖网络的可视向量v输入到网络中，深度信赖网络由多层的受限的波尔兹曼机构成；所述的受限的波尔兹曼机是一种特殊的神经网络模型，具有对称的连接权系数，网络由可视单元v∈{0,1}D和隐层单元h∈{0,1}F构成；3）然后，训练深度信赖网络；4）将经过最近邻插值、双线性插值或者双三次插值的测试低分辨率图像输入到深度信赖网络，由深度信赖网络给出最终的识别结果。

【技术特征摘要】
1.一种基于深度信赖网络的超分辨率人脸识别方法，其特征在于包含以下步骤 1)对低分辨率图像进行最近邻插值、双线性插值或者双三次插值，使得高低分辨率图像的维度一致； 2)将维度一致的带有姿态差异的高低分辨率人脸图像灰度归一到(O，I)之间，并作为深度信赖网络的可视向量V输入到网络中，深度信赖网络由多层的受限的波尔兹曼机构成；所述的受限的波尔兹曼机是一种特殊的神经网络模型，具有对称的连接权系数，网络由可视单元V e {0，1}D和隐层单元h e {0，1}F构成； 3)然后,训练深度信赖网络； 4)将经过最近邻插值、双线性插值或者双三次插值的测试低分辨率图像输入到深度信赖网络，由深度信赖网络给出最终的识别结果。2.如权利要求I所述的超分辨率人脸识别方法，其特征在于所述的步骤2)是指带有姿态差异的高低分辨率人脸图像其分辨率为hXw，将其展开成为一行长度为hXw的向量，并将其灰度强度归一到(O，...

【专利技术属性】
技术研发人员：樊鑫，林妙真，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：