[发明专利]一种基于稀疏图形表示的面部识别判别分析方法

说明书

技术领域

本发明涉及面部识别领域，尤其是涉及了一种基于稀疏图形表示的面部识别判别分析方法。

背景技术

面部识别技术作为生物特征识别技术中的一种，同其它生物特征识别技术相比，具有直接、方便、易接受等特点，由于其应用前景广泛和科学研究价值重大而日益受到科研工作者们的重视，在过去的几年中也取得了巨大的进步。它可以广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域，如企业和住宅的人脸识别门禁考勤系统和人脸识别防盗门等，以及公安、司法、刑侦可利用人脸识别系统网络在全国范围内搜捕逃犯，也可以在机场、火车站等人流密集的地方，结合电子护照及身份证进行身份验证，维护公共场所的安全。然而，传统的面部识别技术容易受到大的纹理(即风格)差异的影响，识别性能低下，不易于推广使用。

本发明提出了一种基于稀疏图形表示的面部识别判别分析方法，先构建面部素描-照片对组成的表示数据集，通过特征描述符来表示斑块，接着通过面部匹配的判别分析来改进自适应稀疏图形表示，简单连接所有面部图像补丁的表示，然后使用空间区分策略对每个区域进行判别分析，最后使用余弦相似性度量来计算三个精确向量的相似性得分并将其融合。本发明的用于异构面部识别的判别分析方法，改善了面部匹配的自适应稀疏向量，提高识别能力和可区分性，有效消除了纹理(即风格)差异的影响，大大提高了面部识别性能。

发明内容

针对识别性能低下的问题，本发明的目的在于提供一种基于稀疏图形表示的面部识别判别分析方法，先构建面部素描-照片对组成的表示数据集，通过特征描述符来表示斑块，接着通过面部匹配的判别分析来改进自适应稀疏图形表示，简单连接所有面部图像补丁的表示，然后使用空间区分策略对每个区域进行判别分析，最后使用余弦相似性度量来计算三个精确向量的相似性得分并将其融合。

为解决上述问题，本发明提供一种基于稀疏图形表示的面部识别判别分析方法，其主要内容包括：

(一)自适应稀疏图形表示法；

(二)基于空间分区的判别分析；

(三)用于异构面部识别的判别分析方法。

其中，所述的自适应稀疏图形表示法，首先构建了由M个面部素描-照片对组成的表示数据集；将每个面部图像划分为N个重叠的斑块，并通过特征描述符来表示每个斑块；给定一个素描图像t和一个作品图像g，将它们分成补丁，并以特征描述符代表每个补丁，与之前的表示数据集完全相同。

进一步地，所述的特征描述符，令y_i(i＝1,2,…,N)表示素描图像，f(y_i)是对应于y_i的特征描述符；基于特征描述符的欧几里德距离选择围绕y_i位置的搜索区域R×R内的表示数据集中每个面部草图上距离最近的草图；因此，可以找到M个相关的草图补丁，用于素描图像y_i；同样，可以找到相册照片x_i的相关照片。

进一步地，所述的补丁，从相关的片段中选择K个最近相邻邻域，并且探测素描片段y_i可以认为是由列向量y_i加权的K个最近相邻邻域的线性组合；然后可以通过联合建模所有素描图像补丁及其邻域来构建马可夫网络模型：

其中，(i,j)∈Ξ表示第i个素描图像，第j个素描图像邻域。

进一步地，所述的线性组合，表示K个最近相邻邻域的特征描述符的线性组合，如

其中，w是的连接；矩阵Q和c是二次参数；问题(2)可以通过级联分解法求解。

进一步地，所述的问题(2)，可以优化问题(2)，如下式所示：

函数(3)中的约束，如与的以下约束相同；

这是非负稀疏正则化。

其中，所述的基于空间分区的判别分析，在获得两个素描图像和作品图像的自适应稀疏图形表示之后，通过面部匹配的判别分析来改进这些表示；所有面部图像补丁的表示可以简单连接在一起，然后应用经典的子空间分析，如主成分分析(PCA)和线性判别分析(LDA)来提取用于匹配的辨别信息；基于空间分区的判别分析包括三种空间区分策略。

进一步地，所述的三种空间区分策略，将图像块的K_c列组合为一个空间分区；然后可以在每个空间分区区域上分别进行判别分析；合并所提取的特征进行匹配；为了利用基于行的空间分区策略，K_r行的图像块作为空间分区，也可以对每个区域进行判别分析。