[发明专利]人脸识别方法、装置和存储介质

说明书

本发明公开了一种人脸识别方法、装置及存储介质，其方法包括：获取待识别人脸图像，对待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从Gabor特征图像提取特征点；对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。本发明大大增加了对人脸图像非线性变换(如表情变化、姿态变化)的鲁棒性，进而提高了识别率，同时也降低了算法复杂度。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种人脸识别方法、装置及存储介质。

背景技术

在计算机视觉和模式识别领域，人脸识别有着巨大的市场价值(如监控视频、门禁系统等)，因此受到了学术界和工业界的广泛关注。在人脸识别过程中，同一个人在不同拍摄环境下得到的人脸图像一般存在较大的非线性变化，例如光照变化、表情变化、姿态变化和局部遮挡等。当待识别人脸图像与查询数据库中同身份的人的人脸图像存在较大非线性变化时，要求人脸识别算法对上述非线性变化有比较好的鲁棒性，这样才能够准确地确定待识别人脸图像的身份。另外，在实际应用中，查询数据库中每个人有可能只能获取一张人脸图像，比如电子护照人脸图像、驾驶证人脸图像等，此应用下的人脸识别称为单样本人脸识别。单样本人脸识别比较困难，因为在训练集中每个人只有一张人脸图像，可以利用的信息非常有限，难以预测待识别人脸图像的各种非线性变化。

目前的单样本人脸识别方法可被分为如下的两类：利用了广义训练集的方法和不需要用广义训练集的方法。不需要利用广义训练集的方法一定程度上提高了人脸识别的性能，但是他们没有对单样本组成的训练集引入附加的变化信息，识别能力不足。用到了广义训练集的方法能够从广义训练集中提取人脸变化信息来补偿单样本训练集表达能力不足的缺点，以便处理待识别人脸图像的各种变化，提高识别能力。目前研究人员对此方法进行了一定的研究，并且取得了一定的成果，如Deng等在2012年提出了扩展的稀疏表示分类器(ESRC)，Zhu等在2014年提出了局部广义表示方法(LGR)。但是ESRC用整体人脸图像作为特征向量，鲁棒性能不是非常好，并且需要求解稀疏约束的优化问题，计算复杂度高。LGR通过将整体图像按照行和列均等的划分为多个小块，对每个小块进行编码表示，然后综合各个小块的表示误差推断出最终的人脸身份。其次，ESRC和LGR都是用灰度特征来表示人脸图像，灰度特征对人脸图像的非线性变化(如表情变化、姿态变化)鲁棒性不足，导致识别性能下降。最后，LGR在对各个小块进行单独表示时忽略了各个小块来自于同一个人脸的事实。

因此，当前的人脸识别算法存在诸多不足：如对人脸图像的非线性变换(如表情变化、姿态变化)鲁棒性不好，识别性能低下等缺点。

发明内容

本发明提供一种人脸识别方法、装置及存储介质，旨在提高人脸识别方法的鲁棒性、提高识别性能，降低算法复杂度。

为实现上述目的，本发明提供一种人脸识别方法，包括：

获取待识别人脸图像，对所述待识别人脸图像，提取不同尺度不同方向的若干个Gabor特征图像；

根据预先配置的基于人脸特征点对人脸图像进行划分的策略，从所述Gabor特征图像提取特征点；

对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别。

可选地，所述对提取特征点后的Gabor特征图像，基于三重局部特征联合表示，以及预先建立的类内变化字典和查询字典，进行人脸识别的步骤包括：

初始化第j(j＝1,2,...,J)个Gabor特征图像的第k(k＝1,2,..,K)个特征点处的三重局部特征y_jk的权重ω_jk为1，初始化当前迭代次数t＝0，初始化最大迭代次数T为一常数；

令t＝t+1；