[发明专利]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，包括：

提取训练样本和待识别的人脸图像对的高维特征，对高维特征进行分段和 降维；

定义潜因子模型，所述潜因子分析模型将特征表示为身份因子、年龄因子、 均值和噪声的线性组合；

输入所述训练样本的特征，通过极大似然估计优化所述潜因子模型，目标 函数是对数形式的隐藏因子联合概率；

将所述人脸图像对的特征输入训练好的所述潜因子模型，计算似然比，所 述似然比为第一概率与第二概率的比值，所述第一概率为所述人脸图像对为同 一人的概率，所述第二概率为所述人脸图像对不为同一人的概率；

以所述似然比表示相似度，若所述相似度高于预设阈值，将所述人脸图像 对识别为同一个人。

2.如权利要求1所述的方法，其特征在于，在所述提取训练样本和待识别 的人脸图像对的高维特征之前，所述方法还包括：

定位人脸图像中的人脸区域；

在所述人脸区域中检测出关键特征点；

根据检测出的所述关键特征点，对人脸图像执行对齐操作。

3.如权利要求1所述的方法，其特征在于，所述提取训练样本和待识别的 人脸图像对的高维特征包括：

提取人脸图像的局部二值模式特征和梯度方向直方图特征。

4.如权利要求1所述的方法，其特征在于，所述对高维特征进行分段包括：

将所述高维特征分解为N段，所述N为大于1的整数；

所述输入所述训练样本的特征，通过极大似然估计优化所述潜因子模型包 括：

对所述训练样本的每一段特征，优化一个所述潜因子模型；

所述将所述人脸图像对的特征输入训练好的所述潜因子模型，计算似然比 包括:

将所述人脸图像对的每一段特征，输入训练好的对应分段的所述潜因子模 型，计算似然比；

计算N个似然比的平均值作为所述人脸图像对的似然比。

5.如权利要求1所述的方法，其特征在于，所述对高维特征进行分段和降 维包括：

对分解出的每段特征通过主成分分析和线性判别分析进行降维处理。

6.一种人脸识别的装置，其特征在于，包括：

特征提取单元，用于提取训练样本和待识别的人脸图像对的高维特征，对 高维特征进行分段和降维；

定义单元，用于定义潜因子模型，所述潜因子分析模型将特征表示为身份 因子、年龄因子、均值和噪声的线性组合；

训练单元，用于输入所述训练样本的特征，通过极大似然估计优化所述潜 因子模型，目标函数是对数形式的隐藏因子联合概率；

计算单元，用于将所述人脸图像对的特征输入训练好的所述潜因子模型， 计算似然比，所述似然比为第一概率与第二概率的比值，所述第一概率为所述 人脸图像对为同一人的概率，所述第二概率为所述人脸图像对不为同一人的概 率；

识别单元，用于以所述似然比表示相似度，若所述相似度高于预设阈值， 将所述人脸图像对识别为同一个人。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

定位单元，用于定位人脸图像中的人脸区域；

检测单元，用于在所述人脸区域中检测出关键特征点；

对齐单元，用于根据检测出的所述关键特征点，对人脸图像执行对齐操作。

8.如权利要求6所述的装置，其特征在于，所述特征提取单元具体用于：

提取人脸图像的局部二值模式特征和梯度方向直方图特征。

9.如权利要求6所述的装置，其特征在于，所述特征提取单元具体用于：

将所述高维特征分解为N段，所述N为大于1的整数；

所述训练单元具体用于：

对所述训练样本的每一段特征，优化一个所述潜因子模型；

所述计算单元具体用于:

将所述人脸图像对的每一段特征，输入训练好的对应分段的所述潜因子模 型，计算似然比；

计算N个似然比的平均值作为所述人脸图像对的似然比。

10.如权利要求6所述的装置，其特征在于，所述特征提取单元具体用于：

对分解出的每段特征通过主成分分析和线性判别分析进行降维处理。