[发明专利]基于图模型表示的人脸画像-照片识别方法

权利要求书

1.一种基于图模型表示的人脸画像-照片识别方法，包括如下步骤：

(1)从画像-照片对集中取出M张画像组成训练画像样本集，并取出与训练画像样本集中的画像一一对应的M张照片组成训练照片样本集，将画像-照片对集中剩余的N对画像-照片组成测试样本集；

(2)组成测试画像图模型表示集WS和测试照片图模型表示集WP：

将测试样本集中的每张测试画像划分为相同大小及相互重叠的测试画像块，并将每张测试画像分别与训练画像样本集联合学习，得到每张测试画像的图模型表示，组成测试画像图模型表示集其中为第i个测试画像图模型表示，为第b个测试画像块的图模型表示，i＝1,2,…,N，b＝1,2,…,B，B为测试画像块的总个数；

将测试样本集中的每张测试照片划分为相同大小及相互重叠的测试照片块，并将每张测试照片分别与训练照片样本集联合学习，得到每张测试照片的图模型表示，组成测试照片图模型表示集其中为第j个测试照片图模型表示，为第b个测试照片块的图模型表示，j＝1,2,…,N；

所述的将每张测试画像分别与训练画像样本集联合学习，按如下步骤进行：

(2a)将测试样本集中的第i张测试画像Si划分为相同大小及相互重叠的测试画像块，将每个测试画像块的像素值作为特征向量，得到测试画像Si的特征向量集f(Si)＝{f(Si,1),f(Si,2),…,f(Si,b),…,f(Si,B)}，其中Si,b为第b个测试画像块，f(Si,b)为第b个测试画像块的特征向量，b＝1,2,…,B，B为测试画像块的总个数；

(2b)根据步骤(2a)中测试画像Si的划分结果，将训练画像样本集中的训练画像分为相同大小及相互重叠的训练画像块，并将每个训练画像块的像素值作为特征向量；

(2c)对第b个测试画像块Si,b，从训练画像样本集中取出每个训练画像的相同位置的训练画像块，得到共M个训练画像块组成待选择画像块集Di,b，并将待选择画像块集Di,b中所有训练画像块的特征向量组成待选择特征向量集Fi,b；将测试画像块Si,b与第v个相邻测试画像块的重叠区域记为将待选择画像块集Di,b在重叠区域内的像素值组成重叠区域特征向量集

(2d)根据下式计算第b个测试画像块Si,b 的图模型表示

其中表示第v个测试画像块Si,v的待选择画像块集Di,v在重叠区域内的像素值，·T表示对矩阵进行转置操作；

(2e)重复步骤(2c)-(2d)，直至得到B个测试画像块的图模型表示，组成测试画像图模型表示

(3)初始化统计参数u＝0；

(4)将第i个测试画像图模型表示WiS与测试照片图模型表示集WP中每个测试照片图模型表示进行相似度计算，得到第i个测试画像图模型表示的相似度集T＝{Ti,1,Ti,2,…,Ti,j,…,Ti,N}，其中Ti,j为第i个测试画像图模型表示WiS与第j个测试照片图模型表示的相似度；

(5)将相似度集T中的相似度从大到小排序，找出最大的相似度Ti,h，如果h等于i，则统计参数u增加1；

(6)重复步骤(4)-(5)，直至处理完测试画像图模型表示集WS中的所有测试画像图模型表示，再根据下式计算人脸画像-照片的识别率r：

r＝u/N。

2.根据权利要求1中基于图模型表示的人脸画像-照片识别方法，其中步骤(4)所述的将第i个测试画像图模型表示WiS与测试照片图模型表示集WP中每个测试照片图模型表示进行相似度计算，按如下步骤进行：

(3a)对测试画像图模型表示和测试照片图模型表示根据下式计算第b个测试画像块的图模型表示和第b个测试照片块的图模型表示的相似度tb：

其中表示图模型表示的第z维元素值，表示图模型表示的第z维元素值，nz为控制参数，当元素值和元素值均大于0.0001时nz取1，否则nz取0，b＝1,2,…,B，B为测试画像块的总个数；

(3b)重复步骤(3a)，直至得到B个相似度，根据下式计算测试画像图模型表示WiS和测试照片图模型表示的相似度Ti,j：

(3c)重复步骤(3a)-(3b)，直至处理完测试照片图模型表示集WP中所有测试照片图模型表示，得到第i个测试画像图模型表示的相似度集T＝{Ti,1,Ti,2,…,Ti,j,…,Ti,N}。