[发明专利]一种低分辨率人脸识别方法

说明书

技术领域

一种低分辨率人脸识别方法，属于模式识别与特征提取技术领域。

背景技术

人脸识别中，通常训练图像和注册图像都是在可控环境下得到的高质量人脸图 像。而测试图像则很可能受到外部因素的影响导致图像质量退化。退化情况主要包括：分辨 率低、噪声干扰、图像模糊、人脸遮挡、甚至非正面姿态等等。如果直接对这些退化人脸进行 识别将会导致人脸识别系统整体的性能下降。

解决退化人脸识别最直接的方法就是在已有的人脸识别系统前面加上一个图像 恢复的预处理模块。这样，首先通过图像恢复操作来改善测试图像的质量，然后对恢复后的 人脸图像进行特征提取，最后将分类特征送入分类器完成人脸识别任务。这种基于图像恢 复预处理的方法称为“两步法”。现有技术的具体内容已在如下两片论文中公开：(1)赵庆 鹏，常见图像退化问题分析及其复原技术研究，北京邮电大学硕士学位论文，2008；(2)辛 晨，非理想条件下的人脸识别算法研究，哈尔滨理工大学硕士学位论文，2011。

图像恢复这一经典问题，一直是数字图像处理领域内的研究热点。图像恢复算法 试图恢复退化图像的质量以达到令人满意的视觉效果。例如，进行低分辨率图像恢复的超 分辨率算法，进行模糊图像恢复的去模糊算法等。图像恢复算法的性能将直接影响着最终 退化人脸识别系统的性能。简单的说，退化图像恢复的效果越好，那么后端基于恢复后的图 像进行人脸识别得到的识别性能也可能会越好。这里需要强调的是这种关系不是必然的。 因为两步法的系统性能还取决于后端特征提取方法和具体分类器的选择。([3]S.Park， M.Park；M.Kang.Super-resolutionImageReconstruction:ATechnicalOverview.IEEE signalprocessingmagazine,2003，20(3)：21-36P；[4]S.Reeves.FastImage RestorationwithoutBoundaryArtifacts.IEEETransactiononImageprocessing； 2005；14(10)：1448-1453P)。

显然，“两步法”面临两方面的巨大挑战，一方面，算法运行代价大且识别性能受 限，主要受图像恢复预测性能的影响。另一方面，很难满足实时人脸识别系统的速度要求。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提供一种能够很好地避免 传统两步法退化人脸识别的弊端，不需要图像恢复等预处理操作，实现快速、准确的退化人 脸识别的低分辨率人脸识别方法。

本发明解决其技术问题所采用的技术方案是：该低分辨率人脸识别方法，其特征 在于：包括训练阶段和识别阶段，每个阶段具体包括如下步骤，

训练阶段：首先，读入人脸库中不同个体的退化人脸和高质量人脸图像，分别构造 退化人脸训练样本集合X和高质量人脸训练样本集合Y；其次，基于这两个训练样本集合，采 用基于有监督局部保持投影的度量学习算法，将不同质量的两种图像映射到一个公共的统 一空间中；然后，在统一空间中完成两组人脸训练样本数据的距离度量；

识别阶段：运用训练阶段的映射度量矩阵对退化的测试人脸图像和已有的高质量 标准图像进行处理，快速、准确的识别退化人脸。

所述的退化人脸训练样本集合所述的高质量人脸训练样本集合且每个集合中包含多个人的多幅维数不同的人脸，其中和为原始人脸数据空间。

所述的距离度量的具体步骤包括，

3.1、分别针对退化人脸训练样本集合和高质量人脸训练样本集合建立集合内的 邻域关系图，邻域关系建立采用k近邻法；

3.2、将属于同一个个体的两个不同集合的数据点相互连接，建立退化人脸训练样 本集合和高质量人脸训练样本集合间的连接关系图；

3.3、基于同一集合内的邻域关系图，构建同一集合内的相似度矩阵；

3.4、基于两个集合间的连接关系图，构建两个集合之间的相似度矩阵S，相似度大 小为

3.5、计算两个集合之间的最终相似度矩阵C，其元素为：