基于约束采样与形状特征的稀疏表示人脸识别方法

摘要

本发明涉及基于约束采样与形状特征的稀疏表示人脸识别方法，属于图像处理领域；该方法包括：对训练集中所有人脸图像进行纹理特征提取和形状特征提取，得到纹理特征矩阵和形状特征矩阵，纹理特征矩阵和形状特征矩阵的一个类别分别对应训练集的一个人的多幅人脸图像；将得到待识别人脸图像的纹理特征向量和形状特征向量与训练集的每一类进行比较，将综合相似度最大值对应的训练集的类别作为待识别人的识别结果；该方法具有更高的人脸识别率。

主权项

一种基于约束采样与形状特征的稀疏表示人脸识别方法，其特征在于，该方法包括以下步骤：1)对训练集中所有人脸图像进行纹理特征提取，得到训练集所有人脸图像的纹理特征向量，将训练集的所有人脸图像的纹理特征向量排列形成纹理特征矩阵，将纹理特征矩阵中的一行或多行作为训练集的一个类别，一个类别对应训练集的一个人的多幅人脸图像；2)对训练集中所有人脸图像进行形状特征提取，得到训练集人脸图像的形状特征向量，将训练集中所有人脸图像的形状特征向量排列形成形状特征矩阵，将该形状特征矩阵中的一行或多行作为训练集的一个类别，一个类别对应训练集的一个人的多幅人脸图像；3)对待识别人的人脸图像进行纹理特征提取，得到待识别人脸图像的纹理特征向量；4)对待识别人的人脸图像进行形状特征提取，得到待识别人脸图像的形状特征向量；5)将待识别人脸图像的纹理特征向量用训练集的纹理特征向量线性表示，求出线性表示的系数；选择其中L1范数最小的系数作为线性表示的系数；6)对于训练集中的每一类别，根据步骤5)得到的线性表示的系数计算对应于该类别的纹理残差；7)将待识别人脸图像的形状特征向量用训练集的形状特征向量线性表示，求出线性表示的系数；选择其中L1范数最小的系数作为线性表示的系数；8)对于训练集中的每一类别，根据步骤7)得到的线性表示的系数计算对应于该类别的形状残差；9)根据步骤6)求出的每一类对应的纹理残差求出待识别人脸图像对应于该类的相似度R1；10)根据步骤8)求出的每一类对应的形状残差求出待识别人脸图像对应于该类的相似度R2；11)将相似度R1、R2按照加权和规则进行融合，得到待识别的人脸对应于该类的综合相似度R0，综合相似度R0最大值对应的训练集的类别作为待识别人的识别结果；所述步骤1)或步骤3)中的进行纹理特征提取，具体包括：(a1)对于给定的一幅人脸图像，通过人脸检测定位其人脸区域；定位两个眼球点，将图像尺度归一化，并进行旋转，使两眼呈水平状；(a2)选取人脸区域中的双眼球、鼻尖、下巴四个关键特征点进行定位；(a3)对约束区域进行采样：根据所述关键特征点的位置选定眼睛、鼻尖和嘴巴区域；对这些约束区域进行均匀采样，得到人脸图像的纹理特征；(a4)将约束采样得到的人脸图像纹理特征排列成向量，并进行L2范数归一化，得到人脸图像的特征向量；所述步骤2)或4)中的进行形状特征提取，具体包括：(b1)对于给定的一幅人脸图像，通过人脸检测定位其人脸区域；定位两个眼球点，将图像尺度归一化，并进行旋转，使两眼呈水平状；(b2)选取人脸区域中的双眼球、下巴三个关键特征点进行定位；(b3)利用步骤(b2)中双眼球、下巴三个关键特征点的位置信息来初始化人脸形状，作为ASM和AAM迭代的起始条件；(b4)用ASM+AAM模型定位人脸图像105个特征点，得到特征点的坐标值；(b5)将105个特征点进行标准化，使左右眼外眼角距离为10像素；(b6)将105个特征点的横、纵坐标排列成向量，得到人脸图像的形状特征向量。