[发明专利]一种基于隐最小二乘回归的多姿态人脸识别方法及其装置

说明书

技术领域

本发明属于基于计算机的模式识别技术领域，具体地是指一种基于隐最小二乘回归的自适应多姿态人脸识别方法及其装置。

背景技术

人脸识别技术是试图赋予计算机类人的视觉感知功能，即根据面孔来辨别人物的身份。人脸识别研究始于二十世纪六十年代中后期，近五十年来得到了长足的发展，尤其近十年来，更成为一个热门的研究课题。人脸识别之所以得到重视，是因为其有重要的学术研究意义和巨大的潜在应用前景。人脸识别作为一个典型的图像模式分析、理解与分类计算问题，它为模式识别、图像处理、分析与理解、计算机视觉、人工智能、人机交互、计算机图形学、认知科学、神经计算等多门学科提供了一个良好的具体问题。另一方面，随着信息技术的不断发展以及交通网络的日益发达，人们的社会生活空间不断扩大。如何使得整个庞大的社会网络有条不紊、稳定安全地运转是各级政府和企事业部门面临的一个日益重要的问题。其中一个最关键的问题就是如何快速准确的进行身份的识别。由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认证，安全、可靠、准确。人脸识别是生物特征识别技术的重要组成部分，并且有着其他生物特征识别技术(如指纹识别、虹膜识别)所无法比拟的优势，对被识别者不具侵犯性，更加直接、友好，使用者无任何心理障碍。尤其值得注意的是，人脸识别技术对被识别者可以进行隐蔽操作，在视频监控领域有着重要的应用价值。

人脸识别技术经过多年的研究，已经有了一批比较成熟的理论和有效的算法。但是目前即使是世界上最成熟的人脸识别系统，也只能在采集条件比较理想、用户比较配合的条件下，才可以基本达到适用的程度。在非理想条件下，人脸图像的表观受到姿态、表情、遮挡、光照等因素的影响而产生较大的变化。尽管人类能够轻易地识别出复杂背景中人脸，但是对计算机而言却是一个相当大的挑战，它的识别率还远未达到理想的适用水平。影响人脸识别正确率的一个瓶颈问题就是姿态问题。人脸本质上是一个三维空间中的物体，当姿态发生变化的时候，通过成像设备得到的二维人脸图像不能完整的反映三维空间中物体的信息，甚至二维人脸图像的表观由于姿态变化所带来的差异要比在相同姿态下人的身份不同所带来的差异要大。人脸三维重构是从解决姿态问题的一个自然且有效的方式。利用三维图像采集设备来获取人脸的三维结构，是一种最直接的方法，但是其设备成本高，而且需要用户很好的配合，因而限制了应用的范围。另一方面在大多数的实际应用中所采集的都是二维图像，从二维图像中精确的重构人脸的三维形状，尤其是从单一的二维图像中重建三维人脸，其计算量大，难度也非常大。而从识别的角度出发，高精度的三维重建所得到的所有信息未必都是识别中有用的。因此，如何直接利用二维图像，而不经过三维重建，来完成多姿态的人脸识别成为一个研究的热点问题。

发明内容

本发明提供了一种基于隐最小二乘的自适应多姿态人脸识别方法。该方法在二维人脸图像上，利用统计机器学习的方法，将处于不同姿态下的人脸图像特征变换到一个与姿态无关的身份空间中，从而去除姿态因素的影响，并在身份空间中，完成人脸识别。

本发明公开的上述基于隐最小二乘回归的多姿态人脸识别方法，其包括：

步骤1、检测输入的人脸图像的区域大小及位置；

步骤2、对检测到的人脸图像进行校正，得到校正后的人脸图像；

步骤3、从校正后的人脸图像中提取人脸面部的特征值；

步骤4、根据所提取的人脸面部的特征值估计校正后的人脸图像的姿态类别；

步骤5、根据所述姿态类别选择与其对应的变换矩阵以及偏移向量，并根据所述变换矩阵、偏移向量和提取的特征值计算得到该人脸图像的身份特征向量；

步骤6、从已知人脸图像检索库中搜索与所输入的人脸图像的身份特征向量相似度最高的已知人脸图像，并返回该已知人脸图像的身份信息作为识别结果；

其中，所述变换矩阵与偏移向量用于将所述人脸图像变换到与姿态无关的身份空间，所述身份特征向量为人脸图像在与所述身份空间中的唯一身份标识。

本发明还公开了一种基于隐最小二乘回归的多姿态人脸识别装置，其包括：

人脸检测模块，其用于检测输入的人脸图像的区域大小及位置；

人脸校正模块，其用于对检测到的人脸图像进行校正，得到校正后的人脸图像；

特征提取模块，其用于从校正后的人脸图像中提取人脸面部的特征值；

姿态估计模块，其用于根据所提取的人脸面部的特征值估计校正后的人脸图像的姿态类别；