[发明专利]一种遮挡情况下的人脸识别方法

权利要求书

1.一种遮挡情况下的人脸识别方法，其特征在于，该方法包括以下步骤：

1)采集识别区域的原始人脸图像，获取人脸训练样本集和人脸测试样本集；

2)对人脸训练样本集和人脸测试样本集的图像进行预处理，提取人脸特征；

3)将提取的人脸特征输入人脸修补模型进行图像修补，结合损失函数，获取修补后的人脸图像；

4)对修补后的人脸图像进行特征提取，根据特征进行人脸图像匹配，获取人脸识别结果；

5)显示人脸识别结果；

所述的人脸修补模型采用VGG-19网络体系结构，且在VGG-19网络体系结构的基础上叠加有两个卷积层、一个池化层和一个全连接层；人脸修补模型结合损失函数所构成的综合损失函数为：

式中，λ₁、λ₂分别为平衡不同损失影响的权重，L_r为生成器的重建损失函数，D₁、D₂分别为局部判别器和全局判别器，分别为局部判别器和全局判别器的损失函数；

生成器的重建损失函数L_r的表达式为：

式中，f(x)为提取的人脸特征，f(x_i)为生成图像，α为超参数；

局部判别器和全局判别器具有相同的损失函数，该损失函数的定义为：

式中，p_data(x)和p_z(z)分别为噪声变量z和实际数据x的分布，D(x|y)为带有监督信号y条件下实际数据x通过判别器D后的输出，G(z|y)为生成器G的输出；

步骤4)的具体内容为：

采用SIFT方法将重构人脸的SIFT特征和样本集里所有SIFT特征计算欧式距离，将距离最小的特征作为准确匹配点，根据多个准确匹配点进行人脸图像匹配。

2.根据权利要求1所述的一种遮挡情况下的人脸识别方法，其特征在于，步骤2)中，所述的预处理包括去噪处理和归一化处理。

3.根据权利要求1所述的一种遮挡情况下的人脸识别方法，其特征在于，步骤2)中，采用卷积神经网络对人脸特征进行提取。