基于局部子空间稀疏表示的单样本人脸识别方法
【技术领域】
[0001] 本发明属于图像处理和分析领域，涉及一种采用全新有效的单样本人脸识别解决 方案，特别涉及每个待识别对象仅有一幅训练图像的人脸自动识别方法。
【背景技术】
[0002] 作为生物特征识别技术之一，人脸识别以其直观性强、用户接受度高、不易仿冒、 易于采集等突出特点而日益受到学术界和产业界的重视，并已在公共安全、金融服务、人 机交互等许多需要身份认证的领域发挥着越来越重要的作用。在众多已有的人脸识别方 法中，近年来J. Wright等人提出的基于稀疏表示的人脸识别方法（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) 以其鲁棒的抗噪声、遮挡能力而受到备受关注，其基本原理是利用所有训练图像构造字典， 再通过求解一个欠定方程组来求得测试图像的最稀疏线性组合系数，然后根据这些系数 来对图像进行识别分类。由于该方法要求解I 1-范数最小化问题，计算复杂度较高，张磊 等人通过研究发现：是训练图像对测试图像的协同表示而不是I1-范数诱导的稀疏性更有 助于提升人脸识别的准确性，他们由此提出了基于协同表示的人脸识别方法（L.Zhang，M. Yang, and X. Feng, "Sparse representation or collaborative representation:which helps face recognition?"in ICCV2011)，建议用I2-范数取代I1-范数作为正则项，可以 获得有竞争力的识别效果的同时大大降低计算强度。
[0003] 需要强调的是，上述基于稀疏或协同表示的人脸识别方法只有在每个类的训练样 本数量较多时才能显示出较好的对于噪声、遮挡的鲁棒性。而对于诸如身份证识别、海关护 照核查、安全监控等许多现实应用中通常只存在单训练样本的情况下，这些方法的识别性 能就会急剧下降甚至完全不可行。
【发明内容】
[0004] 本发明的目的在于提供一种基于局部子空间稀疏表示的单样本人脸识别方法。
[0005] 为实现上述目的，本发明具体包括以下步骤：
[0006] 步骤1，对所有训练人脸图像和测试人脸图像先用大小相等的正方形窗口进行分 块，正方形窗口滑过图像的每个像素点，在图像的每一个像素点处得到对应的一个正方形 块；接着在每一块内部，再确定出I v中心子块和周边的若干邻域子块；
[0007] 步骤2,设同一块内的所有子块处于同一局部子空间内，使用所有类的训练人脸图 像的像素 i处对应的块内的全部子块作为局部字典Bi,稀疏表示测试人脸图像中像素 i处 对应的块内的中心子块y，求出对所有类的表示系数& ;
[0008] 步骤3,根据步骤2求得的表示系数&计算测试人脸图像中像素 i处对应的块的权 重。 f Λ\
[0009] 步骤4,取第k类的表示系数4 '和局部字典重构测试人脸图像中像素 i处对 V J
【主权项】
1. 一种基于局部子空间稀疏表示的单样本人脸识别方法，其特征在于： 步骤1用大小相等的正方形窗口对所有类别的训练人脸图像和测试人脸图像进行分 块，正方形窗口滑过图像的每个像素点，在图像的每一个像素点处得到对应的一个正方形 块；接着在每一块内部，再确定出Iv中心子块和周边的若干邻域子块； 步骤2设同一块内的所有子块处于同一局部子空间内，使用所有类的训练人脸图像的 像素 i处对应的块内的全部子块作为局部字典Bi,稀疏表示测试人脸图像中像素 i处对应 的块内的中心子块<，求出对所有类的表示系数〇^ 步骤3根据步骤2求得的表示系数&计算测试人脸图像中像素 i处对应的块的权重； f A\ 步骤4、识别每个测试人脸图像的块的类别，取第k类的表示系数& &和局 V J 部字典重构测试人脸图像中像素 i处对应的块内的中心子块y0，并求出重构残差 f A\ (y〇)= YiO-B1A α!'，求出所有类别的重构残差后将测试人脸图像像素 i处对应的块分 、J 2 类到残差最小的那个类别； 步骤5、通过加权投票的方法最终确定测试人脸图像所属的类别。
2. 根据权利要求1所述的基于局部子空间稀疏表示的单样本人脸识别方法，其特征在 于所述步骤1中块和子块两级划分按如下步骤操作： I. 1设图像有N个像素，以每个像素为中心、半径为R的正方形上的像素为该像素的 邻域像素，则像素 i的邻域像素集表示为江=& |j_ = 1，··_;邻域集中的每个像素对应一 个以该邻域像素为中心的SXS小块，S取大于等于3的奇数，小块中的S2个像素表示成向 量形式为<，/ = 1，···,Ρ，同样地，中心像素 i也对应一个SXS的小块，表示成向量形式为 x|)，中心像素 i及其邻域像素对应的所有小块形成了一个以像素 i为中心的大块，大小为 (S+2R) X (S+2R)，也即I. 1中的正方形窗口； 1. 2对于图像边缘像素，采用边缘像素境像的方法来处理因窗口超出图像边缘而导致 其内部部分像素值缺失的现象，得到以图像边缘像素为中心的大块。
3. 根据权利要求1所述的基于局部子空间稀疏表示的单样本人脸识别方法，其特征在 于，所述步骤2中稀疏表示测试人脸图像中像素 i处对应的块内的中心子块y;，按以下步骤 操作： 2. 1设人脸图像块内的所有子块处于同一线性子空间中，称为局部子空间； 2. 2使用所有类的训练人脸图像的像素 i处对应的块内的全部子块构建局部字典 Bi ，…，，其中^ ?。，（，…乂 J是第k个训练人脸图像由在像素 i处对应 的块的小块构成的字典，利用字典Bi稀疏表示测试人脸图像中像素 i处对应的块内的中心 子块<，通过公式of sargminlal =BW求出表不系数A
4. 根据权利要求1所述的基于局部子空间稀疏表示的单样本人脸识别方法，其特征在 于，所述步骤3中的测试人脸图像中像素 i处对应的块的权重计算公式如下：
f A\ 其中，λ为3.2求得的稀疏表示系数，函数& ;用来取出表示系数中对应于第k类 Oti V J 的那些分量。
5. 根据权利要求1所述的基于局部子空间稀疏表示的单样本人脸识别方法，其特征在 于，所述步骤4中的测试人脸图像像素 i处对应块的分类方法如下： f A\ 4.1取第k类的表示系数A &和局部字典重构测试图像中像素 i处对应的块内的中 V J f A\ 心子块.并求出重构残差々iyU= W-BiA ，其中，a为3. 2求得的稀疏表示系数， f Α\ 函数4 &用来取出表示系数中对应于第k类的那些分量。 V J 4. 2求出所有类别的重构残差后将测试人脸图像像素 i处对应的块分类到残差最小的 那个类别。
6. 根据权利要求1所述的基于局部子空间稀疏表示的单样本人脸识别方法，其特征在 于所述步骤5中的加权投票方法如下： 根据所有测试人脸图像块的分类结果，对分类结果相同的测试图像块的权重求和，作 为本类别的最终投票结果，投票值最高的那个类作为最终的分类结果。
【专利摘要】本发明公开了一种基于局部子空间稀疏的单样本人脸识别方法，首先，对人脸图像进行块和子块两级划分，假设同一块内的子块在同一子空间内；然后基于稀疏表示用全部训练样本对应块内的所有子块去表示测试图像的对应块的中心子块，并计算表示系数；在此基础上求出各类别的重构残差，并依据最小残差原则确定测试图像块的类别；最后对所有测试图像块进行加权投票最终确定分类结果，各块权重可以根据稀疏表示系数的稀疏集中度计算得到。本发明不仅对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，而且支持高效的并行计算，从而为单样本人脸识别问题提供了一种简单有效的解决方案。
【IPC分类】G06K9-00
【公开号】CN104732186
【申请号】CN201310700295
【发明人】唐振民, 唐金辉, 刘凡, 项欣光, 毕野
【申请人】南京理工大学
【公开日】2015年6月24日
【申请日】2013年12月18日