[发明专利]一种人脸识别的方法及装置

权利要求书

1.一种人脸识别的方法，其特征在于，所述方法包括：

接收任一待识别人脸图像，并将所述待识别人脸图像转化成向量的形式；

针对所述待识别人脸图像，分别计算预先存储的每个类别的人脸图像对应的编码向量，其中，每个类别包括至少一张人脸图像，每张人脸图像被预先转化成向量的形式；

利用每个类别的人脸图像和所述类别对应的编码向量，分别重构所述待识别人脸图像，得到每个类别对应的重构人脸图像；

根据每个类别对应的重构人脸图像和所述待识别人脸图像，得到每个类别对应的残差向量；

判断所述残差向量中的各个元素值是否处于预设的阈值范围；

将处于所述阈值范围的元素值置为第一标识值，以及将不处于所述阈值范围的元素值置为第二标识值；

分别将每个类别的残差向量转化为残差图像；

分别获取每个残差图像上的目标像素点的聚集度平均值；所述目标像素点是残差图像上与所述第一标识值对应的像素点；

将最大聚集度平均值对应的类别确定为所述待识别人脸图像的类别。

2.根据权利要求1所述的方法，其特征在于，所述针对所述待识别人脸图像，分别计算预先存储的每个类别的人脸图像对应的编码向量，包括：

利用公式(1)，分别计算每个类别的人脸图像对应的编码向量；

其中，表示类别为i的人脸图像所构成的线性空间模型，y∈R^m×1表示所述待识别人脸图像，αⁱ∈R^p×1(i＝1,…,c)表示类别为i的人脸图像对应的编码向量。

3.根据权利要求1或2所述的方法，其特征在于，所述利用每个类别的人脸图像和所述类别对应的编码向量，分别重构所述待识别人脸图像，得到每个类别对应的重构人脸图像，包括：

利用公式(2)，分别重构所述待识别人脸图像，得到每个类别对应的重构人脸图像；

其中，表示类别为i的人脸图像所构成的线性空间模型，αⁱ∈R^p×1(i＝1,…,c)表示类别为i的人脸图像对应的编码向量，表示类别为i的人脸图像对应的重构人脸图像。

4.根据权利要求3所述的方法，其特征在于，所述根据每个类别对应的重构人脸图像和所述待识别人脸图像，得到每个类别对应的残差向量，包括：

利用公式(3)，得到每个类别对应的残差向量；

其中，y∈R^m×1表示所述待识别人脸图像，表示类别为i的人脸图像对应的重构人脸图像，表示类别为i的人脸图像对应的残差向量。

5.根据权利要求1所述的方法，其特征在于，所述分别获取每个残差图像上的目标像素点的聚集度平均值，包括：

将每个残差图像上与所述第一标识值对应的像素点确定为目标像素点；

计算任一目标像素点的聚集度值，所述聚集度值包括与所述目标像素点距离为1的8个像素点的残差值和所述目标像素点的残差值；

获取每个残差图像对应的聚集度值，所述聚集度值包括所述残差图像上所有目标像素点的聚集度值的和；

分别将每个残差图像对应的聚集度值除以所述残差图像上的目标像素点的总数，得到所述残差图像上的目标像素点的聚集度平均值。

6.根据权利要求1所述的方法，其特征在于，所述分别获取每个残差图像上的目标像素点的聚集度平均值，包括：

将每个残差图像上与所述第一标识值对应的像素点确定为目标像素点；

计算任一目标像素点的聚集度值，所述聚集度值包括与所述目标像素点距离为1的8个像素点中具有第一标识值的像素点的个数；

获取每个残差图像对应的聚集度值，所述聚集度值包括所述残差图像上所有目标像素点的聚集度值的和；

分别将每个残差图像对应的聚集度值除以所述残差图像上的目标像素点的总数，得到所述残差图像上的目标像素点的聚集度平均值。