一种用于复杂人脸识别门禁系统的高精度人脸识别方法技术方案

本发明专利技术公开了一种用于复杂人脸识别门禁系统的高精度人脸识别方法；属于人脸图像处理领域。该方法包含如下步骤：人脸向量归一化；代价敏感的人脸特征降维；模型预测。本发明专利技术采用代价敏感的人脸特征降维，对门禁系统中不同种类的错分赋予不同的错分代价，提取的特征满足最小贝叶斯风险准则，提高了提取特征的判别能力，进而，提高了识别的精度；此外，代价敏感的人脸特征降维对门禁系统中存在的噪声、类别不平衡以及不同类数据分布密度问题具有鲁棒性，因此具有较高的使用价值。

【技术实现步骤摘要】

本专利技术属于人脸图像处理领域，特别涉及。
技术介绍
随着科学技术的发展，人脸识别技术取得了飞速的发展和广泛的应用，吸引了大量学者的关注。传统的人脸识别方法通常追求最小的识别错误率，即假设不同错分所带来的损失是相同的。然而，在许多真实的人脸识别应用中，这一假设往往是不成立的，不同错分所带来的损失是不同的。例如，在人脸识别的门禁系统中，存在入侵者类I和合法者类Gi, i = 1,2... , c-1，一般而言，将入侵者错分成合法者的损失往往要大于将合法者错分成入侵者的损失，而将合法者错分成入侵者的损失又要大于将合法者错分成其他合法者的损失。人脸识别门禁系统除了存在不同错分损失问题，同时也存在噪声、类别不平衡、以及不同类数据分布密度问题。在门禁系统中，一般存在两种类别不平衡入侵者类的样本数和整体合法者类的样本一般是不相同的，入侵者类的样本数和某一合法者类的样本数一般是不相同的。同时，在人脸数据集中可能存在着类中心远离其他类中心的噪声样本，该噪声样本会影响分类器的分类平面以及降维算法中其他类对投影方向的贡献。此外，由于入侵者类是由多个入侵者类构成的混合类，因此入侵者类的类数据分布密度和某本文档来自技高网...

【技术保护点】
一种用于复杂人脸识别门禁系统的高精度人脸识别方法，其特征在于，包含如下步骤：步骤1，人脸向量归一化；步骤2，代价敏感的人脸特征降维：采用基于代价敏感线性判别分析的特征提取方法；步骤3，模型预测：重复步骤1和2，提取人脸特征，训练分类模型，预测待验证的人脸图像。

【技术特征摘要】
1.一种用于复杂人脸识别门禁系统的高精度人脸识别方法，其特征在于，包含如下步骤步骤1，人脸向量归一化；步骤2，代价敏感的人脸特征降维采用基于代价敏感线性判别分析的特征提取方法； 步骤3，模型预测重复步骤1和2，提取人脸特征，训练分类模型，预测待验证的人脸图像。2.如权利要求1所述的一种用于复杂人脸识别门禁系统的高精度人脸识别方法，其特 征在于，所述基于代价敏感线...

【专利技术属性】
技术研发人员：杨明，万建武，高阳，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：