[发明专利]面部快速识别系统和方法

说明书

本发明公开了一种面部快速识别系统和方法。所述方法在计算系统中使用了基于稀疏表示和正则化的最小二乘法的分类识别。所述方法包括获取一个图像作为测试样本y和获取某特定物体的一组训练图像集合作为训练样本矩阵T，获取包含稀疏向量a初始估值的训练样本和测试样本的稀疏表示，构建一个由带非零相关系数的稀疏向量a的训练样本组成新字典。所述方法也包括通过求解正则化最小二乘法问题获取新系数，使用新系数来确定基于计算得到的最小类别残余的测试样本的面部身份。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种快速、高效的面部识别系统及方法。

背景技术

随着计算机及图像处理技术的发展，面部识别技术越来越多的应用于安防系统，视频交互应用，图像编辑及归档应用，计算机视频应用等方面。

通过给定的图像推导出某一人物的身份是面部识别的一个挑战性难题。目前，在处理非可控制环境下大规模的面部识别系统上已经有一些研究成果。近来，基于稀疏表示的分类识别(SRC)的脸部识别技术及其扩展提高了面部识别的性能。

SRC的主要思想在于：一个目标面部图像都可以由相同目标在不同情况下(例如，姿势，光照条件等等)获取的可使用的图像的稀疏线性组合表示。上述思想也可以应用于一个面部图像本身是在较低维度空间中描述的，重要且容易的可识别特征所表示的情况中。为加强稀疏性，可采用l₁优化算法，然后，选择产生最小重建误差的面部类别用于目标物的归类或确认。

但是，基于稀疏表示的面部识别通常是假设训练图像是处于严格控制下，并且每一类的样本数目非常庞大。为了克服每一类样本数需求量大的局限性，本发明采用稀疏性与附加的信息量大的最小二乘法相结合的方法达到显著的性能改进，并且额外成本小。

发明内容

本发明一方面公开了一种面部识别方法，其采用了应用于计算系统中的基于稀疏表示及正则化的最小二乘法归类方法。所述面部识别方法包括：获取一个图像作为一个测试样本y，将某一特定物体的一组训练图像集合作为训练样本矩阵T，获取包含稀疏向量a初始估值的训练样本和测试样本的稀疏表示；构建一个新面部字典，其包含一个带非零相关系数的稀疏向量a的训练样本。该面部识别方法也公开了通过求解正则化的最小二乘法问题获得新系数，确定基于通过新系数计算的最低类残余的测试样本的面部特征。

本发明的另一方面公开了一种面部识别系统，其用于在计算系统中运行使用基于稀疏表示及正则化的最小二乘法归类的面部识别方法。所述面部识别方法包括：获取一个图像作为一个测试样本y，将某一特定物体的一组训练图像集合作为训练样本矩阵T，获取包含稀疏向量a初始估值的训练样本和测试样本的稀疏表示；构建一个新面部字典，其包含一个带非零相关系数的稀疏向量a的训练样本。该面部识别方法也公开了通过求解正则化的最小二乘法问题获得新系数，确定基于通过新系数计算的最低类残余的测试样本的面部特征。

本发明的其他方面，所属技术领域技术人员能够依据本发明的说明书，权利要求书，以及附图有效实施并充分公开。

附图说明

图1为本发明具体实施方式中的一个具体工作系统的示意图。

图2为本发明具体实施例的计算系统的结构框图。

图3为本发明具体实施例的视频结构的示意图。

图4为本发明具体实施例的面部识别过程的示意图。

具体实施方式

附图中展示的部分将被引以具体说明阐述本发明具体技术实施方案。说明书中引用的数字代表附图的相应部分。

图1展示了本发明具体实施方式中的一个工作系统100。如图1所示，所述工作系统100可包括：计算系统102，通信网络110，摄像机112，便携式存储设备114以及数据存储设备116。当然可以减省一些设备，还可以添加其他合适的设备。