專利名稱：一種基于子空間的增量學(xué)習(xí)人臉識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模式識別技術(shù)領(lǐng)域，具體涉及一種基于子空間的增量學(xué)習(xí)人臉識別方法。
背景技術(shù)：
近二十年來，人臉識別技術(shù)作為一種高效的生物特征識別技術(shù)，日益受到學(xué)術(shù)界以及工業(yè)界的重視。相對于其他技術(shù)，人臉識別技術(shù)具有自然性，高可接受性，識別進(jìn)行時不易被人臉察覺等優(yōu)勢，因而其在視頻監(jiān)控、犯罪調(diào)查、娛樂、軍事等領(lǐng)域具有巨大的應(yīng)用潛力。早期的研究者往往通過選擇提取人臉圖像的幾何特征來進(jìn)行人臉識別。然而，由于幾何特征的提取十分困難，而且對于表情、光照以及拍攝角度的變化十分敏感，因而后來的研究者更傾向于采用基于灰度信息的特征提取方法。其中最為常見的方法是原始的高維數(shù)據(jù)映射到一個低維的特征空間，然后對低維數(shù)據(jù)進(jìn)行比較，此類方法典型代表有PCA、LDA 等。此外，比較常見的人臉識別方式還有基于模板的識別算法，利用神經(jīng)網(wǎng)絡(luò)的識別算法寸。經(jīng)對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)Jun Liu等在《Single Image Subspace for Face Recognition》中首先提出了將單張人臉圖片表示為一組子空間，通過比較子空間相似度來獲取最終識別結(jié)果的方法。在多個數(shù)據(jù)庫中進(jìn)行的實驗表明，無論是在多訓(xùn)練樣本條件下， 還是在單訓(xùn)練樣本條件下，此方法的識別準(zhǔn)確率均高于許多已有的經(jīng)典算法。其不足之處在于對于每張人臉圖片都必須單獨地生成多個對應(yīng)的子空間，這意味著即使是某人兩張差別很小的照片，也必須要由兩組的子空間來表示，即使這兩組的子空間本身也十分相似。由于進(jìn)行識別比較時，花費時間與樣本子空間數(shù)目成正比，因此當(dāng)在增量學(xué)習(xí)過程中，習(xí)得的樣本數(shù)目增大很多時，識別耗時會也相應(yīng)增加很多。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種能夠提高現(xiàn)有人臉識別系統(tǒng)的準(zhǔn)確性和速度的基于子空間的增量學(xué)習(xí)人臉識別方法。為了解決上述技術(shù)問題，本發(fā)明公開了一種基于子空間的增量學(xué)習(xí)人臉識別方法，包括以下步驟步驟一人臉圖片的預(yù)處理將所有訓(xùn)練樣本圖片和測試圖片進(jìn)行規(guī)范化，并對每張圖片進(jìn)行分塊平移。步驟二 生成一組以上訓(xùn)練樣本子空間和一組測試圖片子空間對于訓(xùn)練樣本圖片中每個圖片的分別用一組正交基底表示，將所有訓(xùn)練樣本圖片中屬于同一人臉的圖片歸類，生成一組樣本子空間表示該類的人臉，每一個樣本子空間都采用一組正交基底來表示， 從而生成一組以上訓(xùn)練樣本子空間；在訓(xùn)練集中，需要將屬于同一人臉的所有圖片信息整合，生成惟一的一組樣本子空間來代表這個類的人臉。對于一個測試圖片生成一組用正交基底表示的子空間，即生成一組測試圖片子空間。步驟三比較測試圖片子空間與一組以上訓(xùn)練樣本子空間之間的相似度將測試圖片子空間分別與表示第7類人臉的一組樣本子空間進(jìn)行比較，1^7^5，S為訓(xùn)練樣本中人臉總數(shù)，找出與測試圖片整體相似度分?jǐn)?shù)最高的人臉的樣本圖片，記兩者屬于同一人臉，標(biāo)識為f類。步驟四增量學(xué)習(xí)如果在步驟三中標(biāo)識為第類的測試圖片與表示第類人臉的樣本圖片之間的相似度大于設(shè)定閾值，則通過基底變換法對該組樣本子空間進(jìn)行調(diào)整， 生成一組新的樣本子空間。本發(fā)明步驟一人臉圖片的預(yù)處理包括以下步驟將所有圖片裁剪成相同大小，保證所有圖片中人臉的雙眼位于圖片中的同一位置；對所有圖片進(jìn)行直方圖均衡化；將每張圖片劃分為多個相互重疊的大小相同的子塊，令每個子塊各自生成mXn張平移圖片其中 m、n為自然數(shù)。本發(fā)明步驟二中正交基底表示圖片包括令圖片各子塊生成一個子空間設(shè)A11, A12，...，Amn為mXn張平移圖片的灰度矩陣，令矩陣Ai,」，每列首尾相連，其中1彡i ‘ ^m, I^j'彡n，得到列向量ai, j,，將每個子塊由一個子空間& = span(an, a12, . . .，aJ表示，并計算子空間&的正交基底。用格拉姆-施密特正交化計算出子空間&的正交基底。本發(fā)明中步驟二中，如果訓(xùn)練樣本中兩張以上圖片屬于同一人臉，則將該類所有圖片的子空間整合，子空間整合方法如下要將維數(shù)為k的子空間U和維數(shù)為k的子空間V整合，生成一個維數(shù)為k的子空間W，首先將子空間U和子空間V表示為如下形式 U = SpaniPl,P2,...,Pk)，V 二 span(H,...,qk) ’P1、說分別表示子空間U和子空間V的標(biāo)準(zhǔn)正交基，l^i^k ；子空間U中第i個基底總與子空間ν中第i個基底說之間的夾角為兩個子空間之間的第i個主角度，其中1彡i彡k ；令參數(shù)化=(I-R)A 危，W = span(wi; w2, w3, . . . , wk)即為同時代表子空間V與子空間U的空間，Jli為學(xué)習(xí)率參數(shù)，取值范圍為W， 1]，Hi越大，則表示新加入的圖片對原有子空間的影響越大。本發(fā)明步驟三包括以下步驟計算測試圖片各子塊與每個訓(xùn)練圖片各子塊的子空間相似度JM^j表示測試圖片的第丨個子塊與第7類人臉的第丨個子塊間的相似度，即為局部相似度分?jǐn)?shù)；將各局部相似度分?jǐn)?shù)^^，7相加，得到測試圖片與代表第)類人臉的那一組樣本子空間的整體相似度分?jǐn)?shù)& 勺;根據(jù)下式找出與測試圖片整體相似度分?jǐn)?shù) &0，最高的人臉的樣本圖片，記兩者屬于同一人臉，標(biāo)識為f類/ =argm’X&we7。本發(fā)明步驟四包括以下步驟步驟41，判斷步驟三中標(biāo)識為第類的測試圖片與表示第Γ類人臉的樣本圖片之間的整體相似是否大于整體相似度閾值Τ，如果是， 則進(jìn)行步驟42，如果否，則不進(jìn)行增量學(xué)習(xí)；步驟42，判斷步驟三中標(biāo)識為第j*類的測試圖片與表示第Γ類人臉的樣本圖片之間的局部相似度分?jǐn)?shù)是否大于局部相似度閾值 h，如果是，則通過式化=(i-^)A+% 對原訓(xùn)練樣本子空間的基底進(jìn)行調(diào)整。有益效果本發(fā)明具有以下優(yōu)點1、實現(xiàn)了增量學(xué)習(xí)，在識別過程中能夠充分利用已接觸的信息，對識別結(jié)果進(jìn)行改進(jìn)；2、在進(jìn)行增量學(xué)習(xí)時能夠充分利用原有的計算結(jié)果，避免了重復(fù)計算，節(jié)省了計算量；3、在進(jìn)行增量學(xué)習(xí)，改進(jìn)了原有數(shù)據(jù)樣本的質(zhì)量的前提下，沒有增加需要存儲的數(shù)據(jù)量，進(jìn)而避免了隨著學(xué)習(xí)的進(jìn)行識別運算負(fù)擔(dān)加重的問題；4、新的子空間相似度度量方式；5、較高的識別準(zhǔn)確率。


下面結(jié)合附圖和具體實施方式
對本發(fā)明做更進(jìn)一步的具體說明，本發(fā)明的上述和 /或其他方面的優(yōu)點將會變得更加清楚。圖1為本發(fā)明流程圖。
具體實施例方式如圖1所示，本發(fā)明流程包括以下各個部分。一、預(yù)處理階段對所有圖片進(jìn)行歸一化處理，包括人臉圖像的大小歸一化和灰度歸一化首先依據(jù)人臉圖像雙眼的中心位置裁剪出標(biāo)準(zhǔn)的MXN大小人臉圖像，然后進(jìn)行直方圖均衡化操作減輕光照條件變化所帶來的影響。接著，將已歸一化的MXN大小圖像分割為c個RXC大小的子塊。為了兼顧到識別的效率和魯棒性，R和C 一般分別設(shè)為M和N的1/3，并且相鄰的兩子塊間，有一半的像素是重合的。通過對圖像的分割，將有助于人臉圖像局部特征的提取。利用局部特征進(jìn)行比較，具有如下優(yōu)勢減輕“維度災(zāi)難”問題；使得人臉之間局部比較相似性成為可能；增加了樣本多樣性；降低了存儲和計算代價。隨后，對于每個RXC大小的子塊，進(jìn)行以下平移操作，生成mXn個IXr大小的新樣本圖片Ai, j, = A(i' :(l+i ‘ -1), j ‘ (r+j ‘ _1))I^i' ^ m, 1 ^ j ‘ Sn。其中A為該子塊的灰度矩陣，Ai, j,為新生成的平移圖像，有l(wèi)=M-m+l，r = N-n+l， 其中參數(shù)m和η設(shè)定為3。二、樣本子空間的生成階段利用由單個子塊生成的一組平移圖像，可建立一個子空間SA = span(A11, A12, . . . , Amn)。隨后，其可等價表示為 = span (a
11 ‘ ^12 ‘ · · · ‘ ^mn/ O其中，ai, J, =Veciki, J,)，表示ai, 為矩陣Ai,」，列首尾相連所得到的列向量。接著，計算出子空間&一組正交基底。考慮到計算量的問題，此時計算正交基底可采用格拉姆-施密特正交化方法。若訓(xùn)練樣本中有多張圖片屬于同一人臉，則需要將它們的子空間信息整合在一起。子空間信息整合操作將在增量學(xué)習(xí)階段詳細(xì)介紹。三、測試圖片與樣本子空間的比較3. 1子空間相似度度量在 Single Image Subspace for Face Recognition 中，Liu 提出了一貝丨J基于正交投影的子空間距離公式
權(quán)利要求
1.一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，包括以下步驟步驟一人臉圖片的預(yù)處理將所有訓(xùn)練樣本圖片和測試圖片進(jìn)行規(guī)范化，并對每張圖片進(jìn)行分塊平移；步驟二 生成一組以上訓(xùn)練樣本子空間和一組測試圖片子空間 對于訓(xùn)練樣本圖片中每個圖片的分別用一組正交基底表示，將所有訓(xùn)練樣本圖片中屬于同一人臉的圖片歸類，生成一組樣本子空間表示該類的人臉，每一個樣本子空間都采用一組正交基底來表示，從而生成一組以上訓(xùn)練樣本子空間；對于一個測試圖片生成一組用正交基底表示的子空間，即生成一組測試圖片子空間； 步驟三比較測試圖片子空間與一組以上訓(xùn)練樣本子空間之間的相似度 將測試圖片子空間分別與表示第7類人臉的一組樣本子空間進(jìn)行比較，，S為訓(xùn)練樣本中人臉總數(shù)，找出與測試圖片整體相似度分?jǐn)?shù)最高的人臉的樣本圖片，記兩者屬于同一人臉，標(biāo)識為f類；步驟四增量學(xué)習(xí)如果在步驟三中標(biāo)識為第類的測試圖片與表示第類人臉的樣本圖片之間的相似度大于設(shè)定閾值，則通過基底變換法對該組樣本子空間進(jìn)行調(diào)整，生成一組新的樣本子空間。
2.根據(jù)權(quán)利要求1所述的一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，步驟一人臉圖片的預(yù)處理包括以下步驟將所有圖片裁剪成相同大小，保證所有圖片中人臉的雙眼位于圖片中的同一位置； 對所有圖片進(jìn)行直方圖均衡化；將每張圖片劃分為多個相互重疊的大小相同的子塊，令每個子塊各自生成mXn張平移圖片其中m、n為自然數(shù)。
3.根據(jù)權(quán)利要求2所述的一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，步驟二中正交基底表示圖片包括令圖片各子塊生成一個子空間設(shè)An，A12，...，Amn為mXn張平移圖片的灰度矩陣，令矩陣Ai,」，每列首尾相連，其中Ki'^j'彡n，得到列向量 ，」，，將每個子塊由一個子空間& = span(an, a12, ... , aj表示，并計算子空間&的正交基底。
4.根據(jù)權(quán)利要求3所述的一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，步驟二中，如果訓(xùn)練樣本中兩張以上圖片屬于同一人臉，則將所有圖片的子空間整合，子空間整合方法如下要將維數(shù)為k的子空間U和維數(shù)為k的子空間V整合，生成一個維數(shù)為k的子空間W， 首先將子空間U和子空間V表示為如下形式U = Spanipl,P2,...,pk) V = Span^q2,...,qk) ；^ 分別表示子空間 U 和子空間 V 的標(biāo)準(zhǔn)正交基，1彡i彡k ；子空間U中第i個基底總與子空間V中第i個基底說之間的夾角為兩個子空間之間的第i個主角度，其中1彡i彡k;^W1 =(I-J7i)Pi+^gi, ψ = span(Wi, W2, W3, . . . , Wk)即為同時代表子空間 V 與子空間 U 的空間，Hi為學(xué)習(xí)率參數(shù)，取值范圍為w，l]。
5.據(jù)權(quán)利要求4所述的一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，步驟三包括以下步驟計算測試圖片各子塊與每個訓(xùn)練圖片各子塊的子空間相似度Jew^j表示測試圖片的第^個子塊與第7類人臉的第 個子塊間的相似度，即為局部相似度分?jǐn)?shù)％σ，，7 ‘將各局部相似度分?jǐn)?shù)加，得到測試圖片與代表第)類人臉的那一組樣本子空間的整體相似度分?jǐn)?shù)&0 7 ;根據(jù)下式找出與測試圖片整體相似度分^最高的人臉的樣本圖片，記兩者屬于同一人臉，標(biāo)識為類f = arg max Score-。j J
6.據(jù)權(quán)利要求5所述的一種基于子空間的增量學(xué)習(xí)人臉識別方法，其特征在于，步驟四包括以下步驟步驟41，判斷步驟三中標(biāo)識為第類的測試圖片與表示第類人臉的樣本圖片之間的整體相似度是否大于整體相似度閾值T，如果是，則進(jìn)行步驟42，如果否，則不進(jìn)行增量學(xué)習(xí)；步驟42，判斷步驟三中標(biāo)識為第類的測試圖片與表示第類人臉的樣本圖片之間的局部相似度分?jǐn)?shù)是否大于局部相似度閾值纟，如果是，則通過式化=(i-^)A 對原訓(xùn)練樣本子空間的基底進(jìn)行調(diào)整。
全文摘要
本發(fā)明公開了一種基于子空間的增量學(xué)習(xí)人臉識別方法，包括以下步驟步驟一人臉圖片的預(yù)處理；步驟二生成一組以上訓(xùn)練樣本子空間和一組測試圖片子空間步驟三比較測試圖片子空間與一組以上訓(xùn)練樣本子空間之間的相似度；步驟四增量學(xué)習(xí)如果在步驟三中標(biāo)識為第j*類的測試圖片與表示第j*類人臉的樣本圖片之間的相似度大于設(shè)定閾值，則通過基底變換法對該組樣本子空間進(jìn)行調(diào)整，生成一組新的樣本子空間。本發(fā)明優(yōu)點是實現(xiàn)了增量學(xué)習(xí)，在識別過程中能夠充分利用已接觸的信息，對識別結(jié)果進(jìn)行改進(jìn)。
文檔編號G06K9/66GK102521623SQ20111040742
公開日2012年6月27日 申請日期2011年12月9日 優(yōu)先權(quán)日2011年12月9日
發(fā)明者周志華, 申富饒, 竺濤, 趙金熙 申請人:南京大學(xué)