[发明专利]一种基于稀疏表示和形状约束的人脸识别方法

说明书

技术领域

本发明涉及图像处理、计算机视觉、模式识别技术领域，具体地说是一种基于稀疏表示和形状约束的人脸识别方法。

背景技术

人脸识别是一种较指纹、视网膜和虹膜等识别更自然、更直接的一种识别方式已经成为下一代生物特征识别的研究热点，其中涉及到图像处理、计算机视觉、模式识别以及神经网络等多个学科。然而在面部形状变化时，传统的人脸识别方法难以奏效。

经对现有技术文献的检索发现，目前针对面部形状变化的人脸识别方法主要是通过形状变换的方式进行。H. Mohammadzade和D. Hatzinakos在《IEEE Transactions on Affective Computing》(情感计算，IEEE 杂志， vol.4, no.1, 69-82, 2013)上发表"Projection into Expression Subspaces for Face Recognition from Single Sample per Person"（基于表情子空间投影的单图像人脸识别方法）。该文使用表情子空间来提取对表情变化不敏感的人脸特征，解决表情对人脸识别的影响。但是，这种方法对人脸的定位要求非常高，需要精确地人眼位置；而且该方法使用了训练集来获得表情子空间，会出现过拟合现象，即当新样本与训练集不同时该方法失效。这两个缺点影响了该方法的性能。

另外，Wagner, A.等人在《IEEE Transactions on Pattern Analysis and Machine Intelligence》（模式分析与机器智能IEEE 杂志，vol.34, no.2, pp. 372 -386，2012）上发表“Toward a Practical Face Recognition System: Robust Alignment and Illumination by Sparse Representation”（关于实际的人脸识别系统：通过稀疏表示实现鲁棒的对齐和光照），该文首次提出了利用稀疏表示的方法解决初始定位不精确的问题。但是，该方法无法处理面部形状变化，影响了该方法的使用范围。

公开号为CN101667246A的专利文献公开了一种“基于稀疏表示的人脸识别方法”、公开号为CN101833654A的专利文献中公开了一种“基于约束采样的稀疏表示人脸识别方法”，这些方法都专注于特征表示，只有在人脸对齐的情况下（比如根据眼睛进行定位）才能达到良好的识别效果。

迄今为止，还没有人提出能够在定位不精确和面部形状变化情况下的人脸识别方法。

发明内容

本发明的技术任务是针对上述现有技术的不足，提供一种基于稀疏表示和形状约束的人脸识别方法。该方法可应用于面部形状变化下的人脸识别，能够大幅提高人脸识别的精度和适用范围。

本发明首先对人脸的形状和位置进行初始化，对人脸进行粗定位，得到眼睛等器官的位置；其次，利用匹配算法对两幅图像进行精确匹配，并加入人脸的形状约束，消除形状变化对匹配算法的影响；再次，将匹配的结果图像利用三角剖分进行特征提取，得到和形状无关的纹理特征，消除形状变化对识别的影响；最后，利用稀疏表示理论对得到的纹理特征进行识别，进一步消除形状变化对纹理特征产生的影响。

具体来说，本发明的技术任务是按以下方式实现的：一种基于稀疏表示和形状约束的人脸识别方法，其特征在于该方法包括以下步骤：

一、形状初始化

对每一幅待识别图像中的人脸位置与形状进行标记；

二、基于初始化的形状对待识别图像进行特征提取

基于待识别图像的形状提取纹理，形成待识别图像纹理特征向量，待识别图像纹理特征向量与待识别图像的身份唯一对应；

三、基于形状模型的图像匹配

以待识别纹理特征为基础对训练图像进行匹配，获得每个训练图像的纹理特征，待识别图像纹理特征向量与训练图像的身份唯一对应；

四，以步骤三得到的训练图像纹理特征为基础，对步骤二得到的待识别图像纹理特征进行稀疏表示，得到与训练图像相对应的系数集合；

五，对步骤四获得的系数进行分析，取最大的系数所对应的训练图片身份作为最终识别结果。

进一步来说，步骤一包括：

a、对一幅待识别图像，利用标记方法提取面部特征点，进行初始化操作；

b、确定形状模型,令形状模型中每幅图像的形状表示为，每幅图像表示为一个平均形状与个形状向量的线性组合。

上述述标记方法优选为主动形状模型或主动表观模型。