[发明专利]基于法医素描的人脸识别方法

权利要求书

1.一种基于法医素描的人脸识别方法，包括如下步骤：

(1)将训练画像数据库中的画像-照片对集划分为训练画像样本集和训练照片样本集，将法医素描数据库中的法医素描-嫌疑犯照片对集划分为法医素描测试样本集和嫌疑犯照片测试样本集，且法医素描测试样本集与嫌疑犯照片测试样本集中的样本个数相同，均表示为N；

(2)选取法医素描测试样本集中的第i张法医素描测试样本S_i，利用人脸画像-照片生成方法，生成对应的伪照片Sp_i，得到N张伪照片组成法医素描测试伪照片集，用D_s表示；选取嫌疑犯照片测试样本集中的第i张嫌疑犯照片测试样本P_i，利用人脸画像-照片生成方法，在生成过程中将训练画像样本集替换为训练照片样本集，生成对应的伪照片Pp_i，得到N张伪照片组成嫌疑犯照片测试伪照片集，用D_p表示；

(3)选取法医素描测试伪照片集D_s中的第i张伪照片Sp_i，利用人脸识别方法，逐个与嫌疑犯照片测试伪照片集D_p中的伪照片进行人脸比对，若比对到的伪照片为Pp_i，表示识别正确；

(4)重复步骤(3)，直至处理完法医素描测试伪照片集D_s中的所有伪照片，统计识别正确的次数为n，得出识别率r：

r＝n/N。

2.根据权利要求1中基于法医素描的人脸识别方法，其中所述步骤(2)所述中的人脸画像-照片生成方法，采用基于稀疏表示的画像-照片生成方法，其步骤如下：

(2a)根据训练画像数据库和测试样本S_t，用伪非线性方法生成一幅初始伪照片S_L；

(2b)将初始伪照片S_L和测试样本S_t重新分为相同大小及相同重叠程度的块，其中S_L＝{S_L1,S_L2,…,S_LM},S_t＝{S_t1,S_t2,…,S_tM},M为块的总个数，提取测试样本S_t中每一块的特征向量f；

(2c)利用训练画像样本集和训练照片样本集联合学习，得到画像块字典D_ts和照片块字典D_tp；

(2d)利用步骤(2b)中得到的特征向量f和步骤(2c)中得到的画像块字典D_ts，按照下式寻找其稀疏表示，得到其稀疏表示系数W：

minw||f-Dtsw||22+β||w||1,]]>

其中β为稀疏表示惩罚因子，取值为0.05；

(2e)利用步骤(2c)中得到的照片块字典D_tp和步骤(2d)中得到的稀疏表示系数w，按照下式合成高清晰度细节明显的特征信息块S_Hi：

S_Hi＝D_tpw，

其中i＝1,2,…,M′,M′为信息块的总个数；

(2f)将步骤(2e)得到的高清晰度细节明显的特征信息块S_Hi加到步骤(2a)得到的初始伪照片S_L对应的块S_Li上，以增强清晰度和细节，得到最终的伪照片块；

(2g)重复执行步骤(2d)-(2f)直至得到M块最终的伪照片块，并将得到的这些最终伪照片块进行组合得到与测试样本对应的伪照片。

3.根据权利要求1中基于法医素描的人脸识别方法，其中所述步骤(3)中的人脸识别方法，采用Fisherface法，其步骤如下：

(3a)选取伪照片集D_s中的前c张伪照片和伪照片集D_p中的前c张伪照片作为训练样本集，c为训练样本集中的样本个数，伪照片集D_s和伪照片集D_p中剩余的伪照片作为测试样本集；

(3b)将训练样本集中伪照片集D_s的第i张伪照片Sp_i和伪照片集D_p的第i张伪照片Pp_i划分成一类，则总共划分成c类，c为大于等于2的整数，计算类内离散度矩阵S_W和类间离散度矩阵S_B：

SW=Σi=1c((Spi-μi)(Spi-μi)T+(Ppi-μi)(Ppi-μi)T),]]>

SB=Σi=1c2(μi-μ)(μi-μ)T,]]>

其中

μ_i＝(Sp_i+Pp_i)/2，

μ=Σi=1cμi/c;]]>

(3c)计算费希尔线性判别分析FLDA变换空间U：

U=argmaxU|UTSBU||UTSWU|=[u1',u2',...,ul',...,uK'],]]>

其中U^T为变换空间U的转置，μ_l′为类内离散度矩阵S_W和类间离散度矩阵S_B的第l个广义特征向量，l＝1,2,…,K，K为广义特征向量的个数，K取大于等于2的整数；

(3d)逐个将伪照片集D_s和伪照片集D_p中的伪照片z在费希尔线性判别分析FLDA变换空间U上进行投影，得到投影后的向量v：

v＝U^Tz，

(3e)逐个计算伪照片集D_s中的伪照片Sp_i在变换空间U上投影后的向量和伪照片集D_p中的伪照片在变换空间U上投影后的向量之间的欧氏距离，选择欧氏距离最小时伪照片集D_p中的伪照片作为比对到的伪照片。