[发明专利]一种基于稀疏重构的单样本人脸识别方法

说明书

本发明公开一种基于稀疏重构的单样本人脸识别方法，属于生物特征认证领域。首先在自然场景下采集单样本人脸图像，利用几何变换对人脸图像进行样本扩充，在此基础上进一步利用稀疏重构技术扩充人脸图像。然后对于摄像头采集到的人脸图像，以扩充后的人脸图像库作为字典，利用稀疏表达学习分类器并进行识别，最后给出识别的结果。本发明重点解决自然场景下单样本人脸图像的识别问题，提高了人脸识别系统的识别率以及应用范围。

技术领域

本发明属于生物特征认证领域，涉及一种基于稀疏重构的单样本人脸识 别方法。

背景技术

人脸识别技术作为一种新型的身份验证技术，通过摄像头采集图像，经 算法处理，与人脸数据库进行比对，实现对人的鉴定识别。由于其在执法、 银行和海关的安全监控以及人机交互等场景中具有很高的应用前景，人脸识 别技术已成为身份识别与验证等领域的研究热点。然而实际应用时，人脸数 据库中往往只有1幅训练图像，这使得在这些场合中使用传统人脸识别技术 并不能取得很好的识别效果，限制了人脸识别的应用范围。所以对单训练样 本条件下人脸识别技术的特别研究，已成为目前人脸识别领域研究的热点。

人脸识别的识别率是人脸识别技术的核心指标，而现有的许多人脸识别 算法在单训练样本条件下识别率会急剧下降有些甚至无法应用。为此如何在 单训练样本条件下提高人脸识别的识别率是实际应用中面临的问题之一。近 年来对单样本人脸识别的研究分为两类：一类是无监督学习方法；另一类是 有监督学习方法。李欣等人提出多模块加权的改进(2D)2PCA算法，这种方法 在ORL和CAS－PEAL数据库上取得了好于2DPCA及2D2PCA的识别 率。王科俊等人李欣的基础上提出融合全局与局部特征的人脸识别方法，此 方法在ORL数据库上也取得了不错的实验效果，同时其实验结果表明分块 Gabor特征具有较好的分类能力，单独基于Gabor局部特征的识别率就可以 达到86.94％。Kan等人提出将多个人脸样本的通用数据辅助构造注册集中单 样本人脸的类内散度矩阵的算法，该方法在Feret数据集的fafb取得了 90.1％的识别率，与Gabor特征进行结合后达到了98.1％的识别率。但在自 然条件下，在人脸图像拍摄时的角度、光照、遮挡以及设备带来的噪声等因 素时，仅仅通过滑动窗口、位平面、重采样和镜像变换的方法对原始训练样 本进行图像处理得到虚拟样本的方法并不能很好地解决噪声等带来的影响， 现有的很多算法识别率都有所下降。

发明内容

本发明针对自然条件下单样本人脸图像的识别问题，提出一种基于稀疏 重构的单样本人脸识别方法。基本思路是首先构建人脸数据库，对人脸图像 进行预处理，然后通过图像几何变换技术扩充人脸数据库，再利用稀疏重构 技术进一步扩充人脸数据库，最后利用稀疏表达学习分类器，对待识别的人 脸图像进行识别。本方法能够更为有效而充分地处理自然条件下的单样本人 脸图像的识别问题，抑制噪声和遮挡带来的影响，提高了人脸图像的识别率。

技术方案：一种基于单样本的人脸识别方法，包含以下步骤：

步骤一：通过摄像头采集图像，构建人脸数据库；

步骤二：对采集到的人脸图像进行预处理；

步骤三：通过图像几何变换技术扩充人脸数据库；

步骤四：利用稀疏重构技术进一步扩充人脸数据库；

步骤五：对摄像头采集到的图像进行人脸检测；

步骤六：对人脸图像进行与步骤二相同的预处理；

步骤七：利用稀疏表达学习分类器，对待识别的人脸图像进行识别；

与现有的单样本人脸识别算法相比，本发明充分利用稀疏重构技术构建 虚拟人脸图像，一方面扩充了人脸数据库，解决了单样本问题，另一方面抑 制了噪声和遮挡对图像识别的影响，提高了单训练样本条件下人脸识别的识 别率。

附图说明