专利名称：一种相片识别中的单样本人脸识别方法
技术领域：
本发明属于模式识别和图像处理领域，涉及ー种采用全新有效的单样本人脸识别解决方案应用于ニ代身份证相片识别的方法，特别涉及每个待识别对象仅有一幅训练图像进行人脸自动识别的系统。
背景技术：
ニ代身份证是我国16岁以上成年人使用最频繁的有效证件，携帯持有者的唯一身份证编号、人脸相片和个人基本信息。与一代身份证相比，ニ代身份证采用了非接触式IC卡技术，具有机读功能即通过ニ代身份证阅读器能够读取芯片贮存的信息。基于ニ代身份证相片的人脸识别，是近几年兴起的ー种人脸识别新应用，被广泛应用于公安机关追捕逃犯、会议代表身份验证、大型档案查询系统等场景中。 基于身份证相片的人脸识别，就是将在真实环境中采集到的人脸图像和身份证人脸库中的图像进行比对，判断所采集人脸图像的身份。和传统的人脸识别系统不同，它的每个待识别对象有且仅有一幅图像即身份证相片可供使用，是ー个典型的单样本人脸识别应用。正是由于训练样本数量不够充足(仅有ー张)，且不具备足够的代表性，使得目前大部分的主流人脸识别算法要么性能严重下降，要么根本无法正常工作。基于身份证相片的人脸识别，除了要解决单样本情况下识别率低，对光照、表情、姿态等因素鲁棒性不高的问题外，还要考虑待识别图像与身份证相片的年龄跨度造成的不利影响。
发明内容
技术问题本发明提供了一种识别率高、鲁棒性強，并可以在一定程度上减轻年龄差异对系统性能影响的相片识别中的单样本人脸识别方法。技术方案本发明的相片识别中的单样本人脸识别方法，首先对训练样本集中的所有相片图像进行人脸重建，得到新的训练样本集，然后分别对新的训练样本集和测试样本中的图像进行盖伯Gabor特征表示和数据降维处理，最后使用支持向量机对降维后的测试样本的盖伯Gabor特征进行人脸分类，该方法的具体步骤为I)采用人脸重建方法对训练样本集中的所有相片图像进行人脸重建，得到每张相片的重建图像，然后使用基于主动形状模型的人脸图像预处理方法将所述每张相片的重建图像和原相片图像一起进行剪切，得到17张剪切后的图像，所述17张剪切后的图像一起构成单张相片图像重建集，所有相片的单张相片图像重建集组成新的训练样本集，从而将单样本人脸识别问题转化为一般的多祥本人脸识别问题；2)用ニ维盖伯Gabor核函数对所述新的训练样本集中的图像进行卷积，提取新的训练样本集中的图像的盖伯Gabor特征，然后通过采样率为10X10的采样因子对得到的新的训练样本集中的图像的盖伯Gabor特征进行下采样，得到下采样盖伯Gabor特征；3)使用保局判别分析算法对所述步骤2)中提取的新的训练样本集中的图像的下采样盖伯Gabor特征进行数据降维，得到训练图像的低维特征空间表示，具体做法为
首先将ー个单张相片图像重建集的17张训练样本看作ー类，不同的单张相片图像重建集的训练样本看作不同的类，以此构造类间邻接图和类内邻接图，然后计算所述类内邻接图的权值矩阵f和所述类间邻接图的权值矩阵4，通过求解如下的矩阵方程式的广义特征值问题，得到一个特征向量W，利用所述特征向量W将单张相片图像重建集的下采样盖伯Gabor特征投影到低维空间，得到训练图像的低维特征空间表示；X (Dp-Sp) XTw = λ X (Dc-Sc) Xw其中，Χ={χ1;χ2，…，xN}，Xi e Rd代表高维数据集，N表示数据个数，Rd表示D维高维空间，Xt是矩阵X的转置矩阵，DP，D。都是对角阵，其中对角上的元素分别为4
^ =求得的λ和w分别是上式的特征值和特征向量，取上式的前d个最大特征值
入I彡λ 2 ^ · · ·彡λ d 所对应的特征向量W = [v1； V2,…,Vd]就是所求的特征向量,所述
d的选择由确定，α表示压缩后样本保留表示信息的大小，取α =95% ；·
I/ I I.4)首先使用基于主动形状模型的人脸图像预处理方法将测试样本集中的每ー张图像进行剪切，然后用ニ维盖伯Gabor核函数对剪切后的测试图像进行卷积，提取测试样本图像的盖伯Gabor特征，然后通过采样率为10X10的采样因子对得到的测试样本图像的盖伯Gabor特征进行下采样，得到下采样盖伯Gabor特征；5)使用保局判别分析算法对所述步骤4)中提取的测试样本图像的下采样盖伯Gabor特征进行数据降维，得到测试图像的低维特征空间表示，具体做法为利用所述步骤3)中得到的特征向量W将测试样本图像的下采样盖伯Gabor特征投影到低维空间，得到测试图像的低维特征空间表示；6)使用基于径向基核函数的支持向量机，对所述步骤3)中得到的训练图像的低维特征空间表示和所述步骤5)中得到的测试图像的低维特征空间表示进行人脸分类，得到人脸识别結果。本发明中，步骤I)中的使用基于主动形状模型的人脸图像预处理方法将所述每张相片的重建图像和原相片图像一起进行剪切，从而得到得到17张剪切后的图像的具体方法为对训练样本集中的所有相片图像分别进行图像增强、图像几何变换和三维人脸重建，所述的图像增强是采用组合投影法、增强的组合投影法和SVD奇异值分解扰动法分别得到三个图像增强結果；所述的图像几何变换是采用镜像变换得到一个图像镜像变换结果、采用O. 95和I. 05两个尺度变换系数分别进行尺度变换得到两个尺度变换结果、采用左旋转5度和右旋转5度两个旋转角度分别进行旋转变换得到两个旋转变换结果；三维人脸重建是通过调节Candide-3參数化网格模型中的姿态參数，在原图像的基础上分別左右旋转5度，左右旋转10度，俯仰旋转5度，俯仰旋转10度得到八个結果。本发明的步骤2)中的ニ维盖伯Gabor核函数为5个尺度和8个方向的Gabor小波核函数。本发明的步骤3)中分别按照下式计算类内邻接图的权值矩阵f和所述类间邻接图的权值矩阵碎
权利要求
1.一种相片识别中的单样本人脸识别方法，其特征在于，该方法首先对训练样本集中的所有相片图像进行人脸重建，得到新的训练样本集，然后分别对新的训练样本集和测试样本中的图像进行盖伯Gabor特征表示和数据降维处理，最后使用支持向量机对降维后的测试样本的盖伯Gabor特征进行人脸分类，该方法的具体步骤为 1)采用人脸重建方法对训练样本集中的所有相片图像进行人脸重建，得到每张相片的重建图像，然后使用基于主动形状模型的人脸图像预处理方法将所述每张相片的重建图像和原相片图像一起进行剪切，得到17张剪切后的图像，所述17张剪切后的图像一起构成单张相片图像重建集，所有相片的单张相片图像重建集组成新的训练样本集，从而将单样本人脸识别问题转化为一般的多祥本人脸识别问题； 2)用ニ维盖伯Gabor核函数对所述新的训练样本集中的图像进行卷积，提取新的训练样本集中的图像的盖伯Gabor特征，然后通过采样率为IOX 10的采样因子对得到的新的训练样本集中的图像的盖伯Gabor特征进行下采样，得到下采样盖伯Gabor特征； 3)使用保局判别分析算法对所述步骤2)中提取的新的训练样本集中的图像的下采样盖伯Gabor特征进行数据降维，得到训练图像的低维特征空间表示，具体做法为 首先将ー个单张相片图像重建集的17张训练样本看作ー类，不同的单张相片图像重建集的训练样本看作不同的类，以此构造类间邻接图和类内邻接图，然后计算所述类内邻接图的权值矩阵續:和所述类间邻接图的权值矩阵:※SJf通过求解如下的矩阵方程式的广义特征值问题，得到一个特征向量W，利用所述特征向量W将单张相片图像重建集的下采样盖伯Gabor特征投影到低维空间，得到训练图像的低维特征空间表示； X (Dp-Sp) XTw = λ X (Dc-Sc) XTw 其中，X = (X1, χ2,, xN}，Xi e Rd ·代表高维数据集，N表示数据个数，Rd表示D维高维空间，Xt是矩阵X的转置矩阵，Dp，De都是对角阵，其中对角上的元素分别为，謂=Σ/f*^ = Σ/ 求得的λ和w分别是上式的特征值和特征向量，取上式的前d个最大特征值A2^...彡λ d所对应的W = [V1, V2, ···, vd]是所求的特征向量,所述d的选择由i / iΣΛy Σ為一邙确定,α表示压缩后样本保留表示信息的大小，取α = 95% ； 4)使用基于主动形状模型的人脸图像预处理方法将测试样本集中的每ー张图像进行剪切，然后用ニ维盖伯Gabor核函数对剪切后的测试图像进行卷积，提取测试样本图像的盖伯Gabor特征，然后通过采样率为10X10的采样因子对得到的测试样本图像的盖伯Gabor特征进行下采样,得到下采样盖伯Gabor特征； 5)使用保局判别分析算法对所述步骤4)中提取的测试样本图像的下采样盖伯Gabor特征进行数据降维，得到测试图像的低维特征空间表示，具体做法为 利用所述步骤3)中得到的特征向量W将测试样本图像的下采样盖伯Gabor特征投影到低维空间，得到测试图像的低维特征空间表示； 6)使用基于径向基核函数的支持向量机，对所述步骤3)中得到的训练图像的低维特征空间表示和所述步骤5)中得到的测试图像的低维特征空间表示进行人脸分类，得到人脸识别結果。
2.根据权利要求I所述的相片识别中的单样本人脸识别方法，其特征在于，所述步骤1)中的使用基于主动形状模型的人脸图像预处理方法将所述每张相片的重建图像和原相片图像一起进行剪切，从而得到得到17张剪切后的图像的具体方法为对训练样本集中的所有相片图像分别进行图像增强、图像几何变换和三维人脸重建，所述的图像增强是采用组合投影法、增强的组合投影法和SVD奇异值分解扰动法分别得到三个图像增强结果；所述的图像几何变换是采用镜像变换得到一个图像镜像变换结果、采用0. 95和I. 05两个尺度变换系数分别进行尺度变换得到两个尺度变换结果、采用左旋转5度和右旋转5度两个旋转角度分别进行旋转变换得到两个旋转变换结果；所述的三维人脸重建是通过调节Candide-3參数化网格模型中的姿态參数，在原图像的基础上分別左右旋转5度，左右旋转10度，俯仰旋转5度，俯仰旋转10度得到八个結果。
3.根据权利要求I所述的相片识别中的单样本人脸识别方法，其特征在于，所述步骤2)中的ニ维盖伯Gabor核函数为5个尺度和8个方向的Gabor小波核函数。
4.根据权利要求I所述的相片识别中的单样本人脸识别方法，其特征在于，所述步骤3)中分别按照下式计算类内邻接图的权值矩阵f和所述类间邻接图的权值矩阵Sj=
5.根据权利要求I所述的相片识别中的单样本人脸识别方法，其特征在于，所述步骤6)中的基于径向基核函数的支持向量机是Libsvm包。
全文摘要
本发明公开了一种相片识别中的单样本人脸识别方法，首先对训练样本集中的所有相片图像进行人脸重建，得到新的训练样本集，然后分别对新的训练样本集和测试样本中的图像进行盖伯Gabor特征表示和数据降维处理，最后使用支持向量机对降维后的测试样本的盖伯Gabor特征进行人脸分类。本发明提出了一个完整有效的单样本人脸识别解决方案，一定程度上解决光照、姿态等因素的影响，识别率高、鲁棒性强，并可以在一定程度上减轻年龄差异对系统性能影响。
文档编号G06K9/00GK102855468SQ201210268730
公开日2013年1月2日 申请日期2012年7月31日 优先权日2012年7月31日
发明者郑文明, 周亚丽, 冯天从 申请人:东南大学