[发明专利]一种基于单样本的人脸图像虚拟样本扩充方法及系统

说明书

本发明公开了一种基于单样本的人脸图像虚拟样本扩充方法及系统。本方法和系统将非负矩阵分解(NMF)叠加到镜像变换、滑动窗口法以及位图像法上产生丰富的虚拟样本。本发明综合了镜像变换、窗口滑动法、位平面法这三种样本扩张法的优势，提高了对姿态、表情、光照的鲁棒性。本发明对经过窗口滑动法、位平面法产生的虚拟样本再次进行了镜像变换，而经过镜像变换后的图像会包含较多的与原图像不同的信息，使得原样本信息被充分挖掘利用；对原图像以及镜像变换、窗口滑动法、位平面法产生的虚拟样本进行非负矩阵分解NMF重构出了新的图像，能够提高人脸识别的准确性。

技术领域

本发明涉及样本扩充领域，特别是涉及一种基于单样本的人脸图像虚拟样本扩充方法及系统。

背景技术

大多数成熟的人脸识别技术都是针对样本较多的情况，这些现有的识别方法在很大程度上依赖于训练样本集的样本数量和其代表性，在实际的应用环境中，人脸图像数据库存在着一些潜在问题，比如由于样本采集的困难，很难获得每个人的多个不同人脸样本；或者数据库存储空间的限制，导致所存储的每个人的样本图像数量很有限，甚至每人只有一张图像，造成单样本问题。所谓单样本人脸识别，是指在人脸训练数据库中对于每个人只存储了一张用于训练的人脸图像，并通过此单张人脸图像识别不可预测的人脸图像的身份，如身份证认证、驾驶证认证、护照认证等此类识别问题都属于单样本人脸识别。在这种条件下，传统的人脸识别技术性能会严重的下降，甚至无法工作，很难取得较为理想的识别效果。因此，针对单样本情况下的人脸识别进行研究具有重要性和必要性。

近几年，国内外研究人员在人脸识别问题中针对单样本问题的研究目前分为两种：一种是利用每人仅有的一幅人脸图像，采用各种方法产生此人的虚拟样本，进而来扩充训练样本集中此人的样本数量。但此类样本扩张法虽然丰富了训练样本，但产生的虚拟样本与原图像相似性太高，对原图像已有的人脸信息没有充分挖掘，识别率提高有限。另一种是，研究特征提取，采用各种技术对人脸图像提取特征，尽可能多地从原图像上获得有用的人脸特征信息，从而提高识别效果，但是此种方法依靠仅有的一张图像对其特征提取方法进行的改进与优化程度有限，对单样本人脸识别的识别效果提高甚少。

发明内容

本发明的目的是提供一种基于单样本的人脸图像虚拟样本扩充方法及系统，用以扩充样本数量，提高人脸识别的准确率。

为实现上述目的，本发明提供了如下方案：

一种基于单样本的人脸图像虚拟样本扩充方法，所述方法包括：

获取人脸图像；

对所述人脸图像进行水平镜像变换，得到第一虚拟样本；所述水平镜像变换是将图像的左半部分与右半部分以图像的垂直中心轴为中心，进行交换；

选取滑动窗口的窗口尺寸以及滑动步长，所述窗口尺寸以及所述滑动步长均小于所述人脸图像的边长；

根据所述窗口尺寸以及滑动步长，对所述人脸图像进行截取，得到第二虚拟样本；

通过位平面法对所述人脸图像进行处理，得到第三虚拟样本；

分别对所述第二虚拟样本以及所述第三虚拟样本进行水平镜像变换，得到对应的第四虚拟样本和第五虚拟样本；

分别对所述人脸图像、所述第一虚拟样本、所述第二虚拟样本以及所述第三虚拟样本进行非负矩阵分解重构，得到对应的第六虚拟样本、第七虚拟样本第八虚拟样本以及第九虚拟样本；

确定人脸图像的虚拟样本集合；所述人脸图像的虚拟样本集合包括所述人脸图像、所述第一虚拟样本、所述第二虚拟样本、所述第三拟样本、所述第四虚拟样本、所述第五虚拟样本、所述第六虚拟样本、所述第七虚拟样本、所述第八虚拟样本以及第九虚拟样本。

可选的，所述根据所述窗口尺寸以及滑动步长，对所述人脸图像进行截取，得到第二虚拟样本，具体包括：