基于局部子空間稀疏表示的單樣本人臉識別方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理和分析領域，涉及一種采用全新有效的單樣本人臉識別解決 方案，特別涉及每個待識別對象僅有一幅訓練圖像的人臉自動識別方法。
【背景技術】
[0002] 作為生物特征識別技術之一，人臉識別以其直觀性強、用戶接受度高、不易仿冒、 易于采集等突出特點而日益受到學術界和產業(yè)界的重視，并已在公共安全、金融服務、人 機交互等許多需要身份認證的領域發(fā)揮著越來越重要的作用。在眾多已有的人臉識別方 法中，近年來J. Wright等人提出的基于稀疏表示的人臉識別方法（A. Yang, A. Ganesh, S. Sastry, and Y. Ma, "Robust Face Recognition via Sparse Representation,，' IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 31, no. 2, pp. 210-227, 2009) 以其魯棒的抗噪聲、遮擋能力而受到備受關注，其基本原理是利用所有訓練圖像構造字典， 再通過求解一個欠定方程組來求得測試圖像的最稀疏線性組合系數(shù)，然后根據(jù)這些系數(shù) 來對圖像進行識別分類。由于該方法要求解I 1-范數(shù)最小化問題，計算復雜度較高，張磊 等人通過研究發(fā)現(xiàn)：是訓練圖像對測試圖像的協(xié)同表示而不是I1-范數(shù)誘導的稀疏性更有 助于提升人臉識別的準確性，他們由此提出了基于協(xié)同表示的人臉識別方法（L.Zhang，M. Yang, and X. Feng, "Sparse representation or collaborative representation:which helps face recognition?"in ICCV2011)，建議用I2-范數(shù)取代I1-范數(shù)作為正則項，可以 獲得有競爭力的識別效果的同時大大降低計算強度。
[0003] 需要強調的是，上述基于稀疏或協(xié)同表示的人臉識別方法只有在每個類的訓練樣 本數(shù)量較多時才能顯示出較好的對于噪聲、遮擋的魯棒性。而對于諸如身份證識別、海關護 照核查、安全監(jiān)控等許多現(xiàn)實應用中通常只存在單訓練樣本的情況下，這些方法的識別性 能就會急劇下降甚至完全不可行。

【發(fā)明內容】

[0004] 本發(fā)明的目的在于提供一種基于局部子空間稀疏表示的單樣本人臉識別方法。
[0005] 為實現(xiàn)上述目的，本發(fā)明具體包括以下步驟：
[0006] 步驟1，對所有訓練人臉圖像和測試人臉圖像先用大小相等的正方形窗口進行分 塊，正方形窗口滑過圖像的每個像素點，在圖像的每一個像素點處得到對應的一個正方形 塊；接著在每一塊內部，再確定出I v中心子塊和周邊的若干鄰域子塊；
[0007] 步驟2,設同一塊內的所有子塊處于同一局部子空間內，使用所有類的訓練人臉圖 像的像素 i處對應的塊內的全部子塊作為局部字典Bi,稀疏表示測試人臉圖像中像素 i處 對應的塊內的中心子塊y，求出對所有類的表示系數(shù)& ;
[0008] 步驟3,根據(jù)步驟2求得的表示系數(shù)&計算測試人臉圖像中像素 i處對應的塊的權 重。 f Λ\
[0009] 步驟4,取第k類的表示系數(shù)4 '和局部字典重構測試人臉圖像中像素 i處對 V J
【主權項】
1. 一種基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在于： 步驟1用大小相等的正方形窗口對所有類別的訓練人臉圖像和測試人臉圖像進行分 塊，正方形窗口滑過圖像的每個像素點，在圖像的每一個像素點處得到對應的一個正方形 塊；接著在每一塊內部，再確定出Iv中心子塊和周邊的若干鄰域子塊； 步驟2設同一塊內的所有子塊處于同一局部子空間內，使用所有類的訓練人臉圖像的 像素 i處對應的塊內的全部子塊作為局部字典Bi,稀疏表示測試人臉圖像中像素 i處對應 的塊內的中心子塊<，求出對所有類的表示系數(shù)〇^ 步驟3根據(jù)步驟2求得的表示系數(shù)&計算測試人臉圖像中像素 i處對應的塊的權重； f A\ 步驟4、識別每個測試人臉圖像的塊的類別，取第k類的表示系數(shù)& &和局 V J 部字典重構測試人臉圖像中像素 i處對應的塊內的中心子塊y0，并求出重構殘差 f A\ (y〇)= YiO-B1A α!'，求出所有類別的重構殘差后將測試人臉圖像像素 i處對應的塊分 、J 2 類到殘差最小的那個類別； 步驟5、通過加權投票的方法最終確定測試人臉圖像所屬的類別。
2. 根據(jù)權利要求1所述的基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在 于所述步驟1中塊和子塊兩級劃分按如下步驟操作： I. 1設圖像有N個像素，以每個像素為中心、半徑為R的正方形上的像素為該像素的 鄰域像素，則像素 i的鄰域像素集表示為江=& |j_ = 1，··_;鄰域集中的每個像素對應一 個以該鄰域像素為中心的SXS小塊，S取大于等于3的奇數(shù)，小塊中的S2個像素表示成向 量形式為<，/ = 1，···,Ρ，同樣地，中心像素 i也對應一個SXS的小塊，表示成向量形式為 x|)，中心像素 i及其鄰域像素對應的所有小塊形成了一個以像素 i為中心的大塊，大小為 (S+2R) X (S+2R)，也即I. 1中的正方形窗口； 1. 2對于圖像邊緣像素，采用邊緣像素境像的方法來處理因窗口超出圖像邊緣而導致 其內部部分像素值缺失的現(xiàn)象，得到以圖像邊緣像素為中心的大塊。
3. 根據(jù)權利要求1所述的基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在 于，所述步驟2中稀疏表示測試人臉圖像中像素 i處對應的塊內的中心子塊y;，按以下步驟 操作： 2. 1設人臉圖像塊內的所有子塊處于同一線性子空間中，稱為局部子空間； 2. 2使用所有類的訓練人臉圖像的像素 i處對應的塊內的全部子塊構建局部字典 Bi ，…，，其中^ ?。，（，…乂 J是第k個訓練人臉圖像由在像素 i處對應 的塊的小塊構成的字典，利用字典Bi稀疏表示測試人臉圖像中像素 i處對應的塊內的中心 子塊<，通過公式of sargminlal =BW求出表不系數(shù)A
4. 根據(jù)權利要求1所述的基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在 于，所述步驟3中的測試人臉圖像中像素 i處對應的塊的權重計算公式如下：
f A\ 其中，λ為3.2求得的稀疏表示系數(shù)，函數(shù)& ;用來取出表示系數(shù)中對應于第k類 Oti V J 的那些分量。
5. 根據(jù)權利要求1所述的基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在 于，所述步驟4中的測試人臉圖像像素 i處對應塊的分類方法如下： f A\ 4.1取第k類的表示系數(shù)A &和局部字典重構測試圖像中像素 i處對應的塊內的中 V J f A\ 心子塊.并求出重構殘差々iyU= W-BiA ，其中，a為3. 2求得的稀疏表示系數(shù)， f Α\ 函數(shù)4 &用來取出表示系數(shù)中對應于第k類的那些分量。 V J 4. 2求出所有類別的重構殘差后將測試人臉圖像像素 i處對應的塊分類到殘差最小的 那個類別。
6. 根據(jù)權利要求1所述的基于局部子空間稀疏表示的單樣本人臉識別方法，其特征在 于所述步驟5中的加權投票方法如下： 根據(jù)所有測試人臉圖像塊的分類結果，對分類結果相同的測試圖像塊的權重求和，作 為本類別的最終投票結果，投票值最高的那個類作為最終的分類結果。
【專利摘要】本發(fā)明公開了一種基于局部子空間稀疏的單樣本人臉識別方法，首先，對人臉圖像進行塊和子塊兩級劃分，假設同一塊內的子塊在同一子空間內；然后基于稀疏表示用全部訓練樣本對應塊內的所有子塊去表示測試圖像的對應塊的中心子塊，并計算表示系數(shù)；在此基礎上求出各類別的重構殘差，并依據(jù)最小殘差原則確定測試圖像塊的類別；最后對所有測試圖像塊進行加權投票最終確定分類結果，各塊權重可以根據(jù)稀疏表示系數(shù)的稀疏集中度計算得到。本發(fā)明不僅對表情、光照變化和遮擋等具有很好的魯棒性，識別精度高，而且支持高效的并行計算，從而為單樣本人臉識別問題提供了一種簡單有效的解決方案。
【IPC分類】G06K9-00
【公開號】CN104732186
【申請?zhí)枴緾N201310700295
【發(fā)明人】唐振民, 唐金輝, 劉凡, 項欣光, 畢野
【申請人】南京理工大學
【公開日】2015年6月24日
【申請日】2013年12月18日