一种人脸特征验证的方法和装置制造方法
【专利摘要】本发明实施例公开了一种人脸特征验证模型的的生成方法和装置。包括：获取N张输入人脸图像；对所述N张输入人脸图像进行特征提取，得到每一张人脸图像的原始特征表示，根据得到的原始特征表示组成人脸样本库；对所述人脸样本库中对应一个所述具有独立身份的人的样本进行分组；对每一个所述具有独立身份的人的样本，根据流形关联判决得到所述至少两组人脸样本中每一组人脸样本的本征表示；对所述本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型；根据预设的模型映射关系和所述本征表示的贝叶斯模型，得到人脸特征验证模型。根据本发明实施例的人脸特征验证模型的的生成方法和装置，复杂度低，计算量较少。
【专利说明】一种人脸特征验证的方法和装置
【技术领域】
[0001] 本发明涉及图像处理技术，尤其涉及一种人脸特征验证的方法和装置。
【背景技术】
[0002] 与人体的其它生物特征（指纹、虹膜等）一样，人脸和人的身份的对应性非常强， 它的不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别方式进 行比较，人脸特征识别方式具有如下特点：非强制性和非接触性，与虹膜指纹等其他认证方 式不同，不需要用户的配合，在远距离上即可获取用户的脸部图像进行识别；单一设备可同 时采集多个人脸，进行并发操作。人脸特征识别技术主要有两种不同的应用场景，一是人脸 身份验证；二是人脸身份识别。其中人脸身份验证指的是给定两张人脸的图像，判断两张 人脸图像中人的身份是否是同一个人。而人脸身份识别，指的是给定一个由多个人脸和其 对应身份的数据库，对于一个给定的人脸，确定是否和数据库中某个人脸是同一身份，如果 是，给出其身份信息。一般来说，人脸身份验证是人脸身份识别的基础。通过逐一验证给定 人脸和数据库中的人脸是否是同一个人，就能够完成人脸身份识别的任务。
[0003] 在人脸身份验证的过程中，人脸图像经过一定的预处理之后，成为一个样本X。在 给定一个样本集X 1，…，χκ的情况下，通过机器学习的方法，训练得到一个判别函数f (·，·）， 对于给定的两个人脸得到的两个人脸样本yi，y2，根据f G1，y2)得到的值判断两个人脸样本 yi，y2是同一个人或是不同的人。一种通用方法是，当f(yi，y 2) >〇时，样本代表相同身份 的人，否则样本则代表不同身份的人。目前主流的人脸身份验证技术有很多种，目前最为成 功的有两种，（1)贝叶斯建模方法；（2)深度学习的方法。
[0004] 贝叶斯模型的主要的方法包含以下基本的部分，模型学习阶段与模型测试阶段。 模型学习阶段包括以下的几个步骤：
[0005] 训练样本集准备：收集人脸图像集V = Iv1，…，vM}，这M张图像来自N个不同身 份的人。通常M >>N，每一个人在图像集中对应多张不同的图片，M和N均为正整数。
[0006] 利用图像集V构建样本集X = U1，…，xM}，其中Xi = g(Vi)，这里g是一个函数 变换，将图像Vi转化为一个数字向量Xi。通常g包含图像预处理，如i)将人脸区域从图片 中提取出来，ii)进行人脸对齐操作，iii)从对齐后的人脸图像区域中提取一定的特征。
[0007] 通过人脸样本集构建人脸验证训练样本集Δ = { δ i，δ 2，…，δ J.，这里δ』= Xa_Xb，Xa，Xb E X。
[0008] 记δ = X-y为两个人脸特征的差值对应的随机变量。通过学习样本集Λ，学习 得到概率模型P(S I Ω〇, ρ(δ I ΩΕ)。这里01和ΩΕ*别表示δ是类内变化（同一身份 的人在不同图片中表现出来的变化），还是类间变化（不同身份的人在不同的图片中表现 出来的变化）的假设。在一般的贝叶斯模型中，都预设P( S I δ I ΩΕ)是高斯分布的 模型，模型学习的目的是得到这两个高斯分布模型的参数。
[0009] 在得到了贝叶斯模型之后，测试的步骤包括：
[0010] 对于给定的两张图片Va，V0，经过和训练阶段相同的函数变换g，得到 数字向量χα，XfJ。记δ α 0 = Xa-X0，通过概率模型ρ( δ I Q1)，ρ( δ I ΩΕ)，计算
【权利要求】
1. 一种人脸特征验证模型的的生成方法，其特征在于，所述方法包括： 获取N张输入人脸图像，其中，所述N张输入人脸图像对应Μ个具有独立身份的人，N为 大于2的整数，Μ为大于2的整数； 对所述Ν张输入人脸图像进行特征提取，得到每一张人脸图像的原始特征表示，根据 得到的原始特征表示组成人脸样本库； 对所述人脸样本库中对应一个所述具有独立身份的人的样本进行分组，得到c组人脸 样本，c为大于等于2的整数； 对每一个所述具有独立身份的人的样本，根据流形关联判决得到所述c组人脸样本的 共有本征表示； 根据所述具有独立身份的人的所述c组人脸样本的共有本征表示得到本征表示的训 练样本集； 对所述本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型； 根据预设的模型映射关系和所述本征表示的贝叶斯模型，得到人脸特征验证模型。
2. 根据权利要求1所述的人脸特征验证模型的生成方法，其特征在于，所述根据流形 关联判决得到所述c组人脸样本的共有本征表示，包括： 所述c组人脸样本中每一个组的人脸样本的数量相等； 根据预设的似然函数和所述流形关联判决得到所述C组人脸样本中每一组人脸样本 的私有本征表示和所述C组人脸样本的共有本征表示。
3. 根据权利要求1或2所述的人脸特征验证模型的生成方法，其特征在于，根据所述c 组人脸样本的共有本征表示得到得到本征表示的训练样本集得到本征表示的训练样本集， 包括： 根据得到的所述c组人脸样本的共有本征表示得到正训练样本集和负训练样本集，其 中，正训练样本集中的一个训练样本对来自同一个人，负训练样本集中的一个训练样本对 来自不同的人； 相应的，对所述本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型，具体包 括： 对所述正训练样本集和所述负训练样本集进行训练，得到所述本征表示的贝叶斯模 型。
4. 根据权利要求1至3任一所述的人脸特征验证模型的生成方法，其特征在于，对所述 本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型，包括： 根据期望最大化算法对所述本征表示的训练样本集进行训练，得到所述本征表示的贝 叶斯模型。
5. 根据权利要求1至4任一所述的人脸特征验证模型的生成方法，其特征在于，所述根 据预设的模型映射关系和所述本征表示的贝叶斯模型，得到人脸特征验证模型，包括： 通过所述预设的模型映射关系的高斯过程回归，映射所述本征表示的贝叶斯模型，得 到原始特征表示的贝叶斯模型，该原始特征表示的贝叶斯模型即所述人脸特征验证模型。
6. -种人脸特征验证模型的的生成装置，其特征在于，所述装置包括： 获取模块，用于获取Ν张输入人脸图像，其中，所述Ν张输入人脸图像对应Μ个具有独 立身份的人，Ν为大于2的整数，Μ为大于2的整数； 特征提取模块，用于对所述N张输入人脸图像进行特征提取，得到每一张人脸图像的 原始特征表示，根据得到的原始特征表示组成人脸样本库； 分组模块，用于对所述人脸样本库中对应一个所述具有独立身份的人的样本进行分 组，得到c组人脸样本，c为大于等于2的整数； 本征表示的贝叶斯模型生成模块，用于对每一个所述具有独立身份的人的样本，根据 流形关联判决得到所述c组人脸样本的共有本征表示， 根据得到的所述c组人脸样本的共有本征表示得到本征表示的训练样本集， 对所述本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型； 人脸特征验证模型生成模块，用于根据预设的模型映射关系和所述本征表示的贝叶斯 模型，得到人脸特征验证模型。
7. 根据权利要求6所述的人脸特征验证模型的生成装置，其特征在于，所述本征表示 的贝叶斯模型生成模块具体用于： 对每一个所述具有独立身份的人的样本，根据预设的似然函数和所述流形关联判决得 到所述C组人脸样本中每一组人脸样本的私有本征表示和所述C组人脸样本的共有本征表 示，其中，所述C组人脸样本中每一个组的人脸样本的数量相等， 根据得到的所述C组人脸样本的共有本征表示得到本征表示的训练样本集， 对所述本征表示的训练样本集进行训练，得到本征表示的贝叶斯模型。
8. 根据权利要求6所述的人脸特征验证模型的生成装置，其特征在于，所述本征表示 的贝叶斯模型生成模块，具体用于： 对每一个所述具有独立身份的人的样本，根据流形关联判决得到所述c组人脸样本的 共有本征表示， 根据得到的所述c组人脸样本的共有本征表示得到正训练样本集和负训练样本集，其 中，正训练样本集中的一个训练样本对来自同一个人，负训练样本集中的一个训练样本对 来自不同的人， 对所述正训练样本集和所述负训练样本集进行训练，得到所述本征表示的贝叶斯模 型。
9. 根据权利要求6所述的人脸特征验证模型的生成装置，其特征在于，所述本征表示 的贝叶斯模型生成模块具体用于： 对每一个所述具有独立身份的人的样本，根据流形关联判决得到所述c组人脸样本的 共有本征表示， 根据得到的所述c组人脸样本的共有本征表示得到本征表示的训练样本集， 根据期望最大化算法对所述本征表示的训练样本集进行训练，得到所述本征表示的贝 叶斯模型。
10. 根据权利要求6至9任一所述的人脸特征验证模型的生成装置，其特征在于，所述 人脸特征验证模型生成模块具体用于： 通过所述预设的模型映射关系的高斯过程回归，映射所述本征表示的贝叶斯模型，得 到原始特征表示的贝叶斯模型，该原始特征表示的贝叶斯模型即所述人脸特征验证模型。
【文档编号】G06K9/62GK104239858SQ201410451701
【公开日】2014年12月24日 申请日期:2014年9月5日 优先权日:2014年9月5日
【发明者】陆超超, 许春景, 汤晓鸥 申请人:华为技术有限公司