[发明专利]分类器训练方法和装置以及人脸认证方法和装置

说明书

技术领域

本发明涉及人脸识别技术，特别涉及用于人脸认证的一种分类器训练方 法和一种分类器训练装置、以及一种人脸认证方法、一种人脸认证装置。

背景技术

人脸认证是人脸识别技术的一个分支，人脸认证过程就是在被认证对象 声明自己的身份后，调用预先训练得到的分类器、并利用该分类器对被认证 对象的人脸图像与人脸模型是否匹配进行识别，以判定被认证对象是否与其 所声明身份一致。

现有的上述人脸认证方式中所使用的分类器，是利用人脸图像中的全局 特征训练得到的一个完整分类器，相应地，利用该分类器的识别过程也是通 过提取人脸图像的全局特征来实现的，然而，基于人脸图像全局特征的该人 脸认证方式，对人脸局部特征的利用十分有限，而相比于人脸全局特征，人 脸局部特征却更能够体现人脸中的丰富细节。

因此，现有基于人脸图像全局特征的人脸认证方式，会由于忽略大量人 脸局部特征而导致人脸认证的准确度不高。

发明内容

有鉴于此，本发明提供了用于人脸认证的一种分类器训练方法和一种分 类器训练装置、以及一种人脸认证方法、一种人脸认证装置，能够提高人脸 认证的准确度。

本发明提供的一种用于人脸认证的分类器训练方法，包括：

a、将各样本图像按照脸部特征点位置对齐并归一化；

b、从对齐归一化后的各样本图像中提取特征向量、并将对齐归一化后 的所有样本图像划分为相互交叠的若干子区域；

c、分别以相同人脸的各样本图像在每一子区域内特征向量差的绝对值 为该子区域的正样本特征、以不同人脸的各样本图像在每一子区域内的特征 向量差的绝对值为该子区域的反样本特征，为每一子区域训练一个子区域分 类器，所述子区域分类器可依据各样本图像在该子区域内的特征向量的差， 输出表示各样本图像属于同一人脸的置信度；

d、以所有子区域分类器针对相同人脸的各样本图像输出的置信度为正 样本特征、以所有子区域分类器针对不同人脸的各样本图像输出的置信度为 反样本特征，训练得到一个综合分类器，所述综合分类器可依据表示各样本 图像属于同一人脸的置信度，输出各样本图像是否属于同一人脸的分类结 果。

所述步骤c针对每一子区域执行如下步骤：

c0、给定该子区域的样本集L_B＝{(x_i，y_i)}，x_i∈X、x_i为特征向量差的绝对 值构成的样本特征、X为包含所有n个特征向量差的绝对值构成的样本特征 的特征向量，y_i为样本标识、y_i∈{+1，-1}，n为所述正反样本总数目；

c1、设置每个样本特征x_i的初始权重D1(i)=1n;]]>

c2、进行T轮迭代，其中，在第t轮迭代过程中，先依据以样本特征x_i取值为横坐标、以样本特征x_i的权重累积值为纵坐标的第t轮离散分布D_t为 每个样本特征x_i构造一弱分类器h_t(x_i)，然后从设定的所有弱分类器中选择可 使正反样本分类误差最小的一个作为第t次迭代的最优弱分类器h_t(X)，再分 别利用每个样本特征x_i的弱分类器h_t(x_i)更新该样本特征x_i下一次迭代的权 重，T为预先设定的迭代次数；