[发明专利]人脸识别的方法及装置

说明书

技术领域

本发明属于人脸识别技术领域，尤其涉及人脸识别的方法及装置。

背景技术

在许多公共场合，出于安防因素的考虑，需要对相关人员进行身份验证。 人脸识别技术利用摄像头拍摄图像或视频，以获取到大量的人脸数据，进而从 大量的人脸数据中分析得到与身份相关的信息，其对人们来说具有非接触、无 侵犯、方便快捷等特点，且有助于更加直观有效地进行身份分析，因此得到了 广泛的推广和应用。

人脸识别在大多数应用场景之中都会受到多种因素的干扰，如光照、角度、 遮挡等，其中，年龄也为一个主要的干扰因素。目前，跨年龄的人脸识别多采 用特征改进的方法，通过获得对年龄变化更为鲁棒的特征表示，采用简单的距 离测度方法进行分类，上述方法对特征选取的要求高，依赖于训练数据的统计 特性，无法反映身份和年龄的内在特性，上述缺陷均会导致人脸识别的准确率 受到影响。

发明内容

有鉴于此，本发明实施例提供了人脸识别的方法及装置，以解决目前跨年 龄的人脸识别准确率低的问题。

第一方面，提供了一种人脸识别的方法，包括：

提取训练样本和待识别的人脸图像对的高维特征，对高维特征进行分段和 降维；

定义潜因子模型，所述潜因子分析模型将特征表示为身份因子、年龄因子、 均值和噪声的线性组合；

输入所述训练样本的特征，通过极大似然估计优化所述潜因子模型，目标 函数是对数形式的隐藏因子联合概率；

将所述人脸图像对的特征输入训练好的所述潜因子模型，计算似然比，所 述似然比为第一概率与第二概率的比值，所述第一概率为所述人脸图像对为同 一人的概率，所述第二概率为所述人脸图像对不为同一人的概率；

以所述似然比表示相似度，若所述相似度高于预设阈值，将所述人脸图像 对识别为同一个人。

第二方面，提供了一种人脸识别的装置，包括：

特征提取单元，用于提取训练样本和待识别的人脸图像对的高维特征，对 高维特征进行分段和降维；

定义单元，用于定义潜因子模型，所述潜因子分析模型将特征表示为身份 因子、年龄因子、均值和噪声的线性组合；

训练单元，用于输入所述训练样本的特征，通过极大似然估计优化所述潜 因子模型，目标函数是对数形式的隐藏因子联合概率；

计算单元，用于将所述人脸图像对的特征输入训练好的所述潜因子模型， 计算似然比，所述似然比为第一概率与第二概率的比值，所述第一概率为所述 人脸图像对为同一人的概率，所述第二概率为所述人脸图像对不为同一人的概 率；

识别单元，用于以所述似然比表示相似度，若所述相似度高于预设阈值， 将所述人脸图像对识别为同一个人。

本发明实施例通过建立潜因子模型，充分考虑人脸图像中身份影响因素和 年龄影响因素，具有更强的表达能力，能够学习到对身份认证更强的鉴别性信 息和模式，并通过数学求解提出了计算后验概率似然比的分类方法，提升了人 脸识别的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅 仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳 动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的人脸识别的方法的实现流程图；

图2是本发明实施例提供的人脸识别的方法的详细实现流程图；

图3是本发明实施例提供的人脸识别的方法人脸图像预处理的实现流程图；

图4是本发明实施例提供的人脸识别的装置的结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透切理解本发明实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本发明的描述。

本发明实施例以人脸图像信息为对象，提取特征并建立潜因子模型，该潜 因子模型的构成包括身份因子和年龄因子，以身份因子估计为核心，从而达到 跨年龄人脸识别的目的。

图1示出了本发明实施例提供的人脸识别的方法的实现流程，详述如下：