[发明专利]一种基于自适应多列深度模型的人脸图像正规化方法

说明书

本发明涉及一种基于自适应多列深度模型的人脸图像正规化方法，该方法包括以下步骤S1：建立自适应多列深度模型；S2：自适应多列深度模型的训练；S3：目标人脸图像正规化。本发明提供的一种基于多列自适应深度模型的人脸正规化方法，通过将多列深度模型进行线性组合实现多种影响人脸识别的不利因素的联合矫正，同时利用非线性优化方法自适应地计算每一列深度模型的最优权值，即根据输入图像自适应调整每种因素的矫正因子。与传统的利用单一深度神经网络模型进行人脸矫正的方法相比，本发明提供的基于多列自适应深度模型的人脸正规化方法对各种变化因素的鲁棒性更强。

技术领域

本发明属于人脸识别技术领域，涉及一种基于自适应多列深度模型的人脸图像正规化方法。

背景技术

作为一种典型的生物特征识别技术，人脸识别以其自然性、可接受性高、便于隐蔽等优势受到了人们的青睐，在国家公共安全、军事安全、金融安全和人机交互等方面有着广阔的应用前景。然而，目前世界上最好的人脸识别系统也只能在用户比较配合、采集条件比较理想的情况下才能基本满足一般应用的要求。而在非约束环境(用户不配合、非理想采集条件)下，由于人脸特征稳定性较差、受各种外界条件(如不同的光照条件及遮挡等因素)的影响大等原因，人脸识别存在很大的困难。人脸图像正规化是指将受光照变化、角度变化、表情变化、遮挡等因素影响的人脸图像矫正到标准条件下的正面人脸，能够有效解决人脸识别的以上难题。现有的人脸图像正规化方法通常只对一到两种因素进行去除矫正，可以分为人脸姿态矫正、人脸光照矫正两种。

姿态矫正通常可以分为两类：基于2D的姿态矫正及基于3D的姿态矫正。基于2D的方法通过2D图像匹配或者采用基函数或样本来编码测试图像的方法进行角度矫正。例如，文献C.D.Castillo and D.W.Jacobs,Wide-baseline stereo for face recognitionwith large pose variation,in IEEE Conference on Computer Vision and PatternRecognition(CVPR)2011,pp.537-544采用立体匹配计算两张人脸之间的相似度。文献A.Li,S.Shan,and W.Gao,Coupled bias-variance tradeoff for cross-pose facerecognition,IEEE Transactions on Image Processing vol.21,pp.305-315,2012通过训练图像的线性组合来表示待测试人脸图像，并采用线性回归系数作为特征进行人脸识别。3D方法则通常先从2D图像中获取3D人脸数据或估计3D模型，然后与2D的测试人脸图像进行匹配。文献S.Li,X.Liu,X.Chai,H.Zhang,S.Lao,and S.Shan,Morphabledisplacement field based image matching for face recognition across pose,inECCV:Springer,2012,pp.102-115首先通过一系列从3D人脸数据库中采样而得的3D位移场(displacement fields)为测试人脸图像生成一个虚拟的角度，然后将该合成的人脸与注册人脸进行匹配。类似的，文献A.Asthana,T.K.Marks,M.J.Jones,K.H.Tieu,andM.Rohith,Fully automatic pose-invariant face recognition via 3d posenormalization,in IEEE International Conference on Computer Vision(ICCV)2011,pp.937-944采用基于角度的主动外观模型(Active Appearance Model,AAM)实现3D模型与2D图像的匹配。