[发明专利]基于非对称联合学习的人脸画像-照片识别方法

说明书

一种基于非对称联合学习的人脸画像‑照片识别方法。其步骤为：(1)获得训练样本集和测试样本集；(2)划分样本子集；(3)获得训练伪样本集；(4)构建非对称特征矩阵；(5)计算非对称联合学习矩阵；(6)计算画像样本与照片样本的相似度值；(7)得到识别结果。本发明使用深度卷积网络提取样本的深度特征向量，利用非对称特征矩阵计算非对称联合学习矩阵，使用非对称联合学习矩阵计算画像与照片的相似度，找出与画像相似度最大的照片作为识别结果。本发明将训练伪样本集加入训练过程，并使用非对称联合学习方法增加类内信息，能准确地识别出画像对应的照片。

技术领域

本发明属于图像处理技术领域，更进一步涉及模式识别与计算机视觉技术领域中的一种基于非对称联合学习的人脸画像-照片识别方法。本发明可通过所绘人脸画像检索识别与其对应的人脸照片，进而确定人脸所对应的身份。

背景技术

在刑侦追捕中，公安部门备有公民照片数据库，结合人脸识别技术用以确定犯罪嫌疑人身份，但实际中一般较难获得犯罪嫌疑人照片，但却可以通过目击者的描述下得到犯罪嫌疑人的素描人脸画像来进行后续人脸检索和识别。由于画像与普通人脸照片之间有很大的差异，直接用传统的人脸识别方法很难获取得到满意的识别效果。

C.Peng等人在其发表的论文“C.Peng,X.Gao,N.Wang,and J.Li.GraphicalRepresentation for Heterogeneous Face Recognition.IEEE Transactions onPattern Analysis and Machine Intelligence,39(2):301-312,2017”中提出了一种基于几何表示特征的人脸画像-照片识别方法。该方法利用几何表示特征分别对人脸画像和照片进行编码，然后利用人脸画像编码与人脸照片编码的距离关系检索识别人脸照片，进而确定人脸所对应的身份。该方法存在的不足之处是，在进行人脸画像编码和人脸照片编码时，由于编码特征信息不足，导致识别准确率较低。

西安电子科技大学在申请的专利文献“基于方向图模型的人脸画像合成方法”(申请号：CN201610171867.2申请日：2016.03.24申请公布号：CN105869134A)中公开了一种基于方向图模型的人脸画像合成方法，该方法共分为五步。第一步，将训练图像与输入测试图像均匀分块，对于任意测试照片块，搜索其若干近邻照片块及对应的近邻画像块。第二步，对测试照片块、近邻照片块提取方向特征。第三步，使用马尔科夫图模型对测试照片块、近邻照片块的方向特征及近邻画像块建模，求取由近邻画像块重构合成画像块的重构权值。第四步，利用重构权值与近邻画像块对应的近邻照片块重构合成伪照片块，拼接得到合成人脸伪照片。第五步，利用合成人脸伪照片检索识别人脸照片，确定人脸对应的身份信息。该方法存在的不足之处是，由于人脸画像块与人脸照片块之间的纹理信息存在差异，导致合成人脸伪照片与人脸照片间的纹理存在信息损失，因此识别准确率较低。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于非对称联合学习的人脸画像-照片识别方法，能够准确的识别出人脸画像对应的人脸照片。

实现本发明目的的具体步骤如下：

(1)获得训练样本集和测试样本集：

(1a)从画像-照片样本对集中，随机取出M对一一对应的画像-照片样本对，组成训练样本集，2≤M≤U-2，U表示样本集中人脸画像-照片样本对的总数；

(1b)将画像-照片样本对集中剩余的画像-照片样本对，组成测试样本集；

(2)划分样本子集：

(2a)从训练样本集中随机取出K张人脸画像，组成训练画像样本子集，2≤K≤M-2，将训练样本集中剩余的人脸画像，组成测试画像样本子集；