[发明专利]一种遮挡情况下的人脸识别方法

说明书

本发明涉及一种遮挡情况下的人脸识别方法，该方法将采集的人脸图像进行特征提取，并将提取出来的人脸特征输入人脸修补模型，对人脸遮挡部分进行修补，然后对修补后的人脸进行特征识别，最后对人脸识别结果进行展示。与现有技术相比，本发明通过对遮挡位置进行重构，提高了遮挡人脸的识别率，且有效提高了在复杂环境中人脸识别的准确率，满足人脸识别的需求。

技术领域

本发明涉及模式识别和生物特征识别技术领域，尤其是涉及一种遮挡情况下的人脸识别方法。

背景技术

人脸识别技术是基于计算机、图像处理及模式识别的一种生物特征识别技术。近年来，随着人脸识别在商业和执法部门的广泛应用，如刑事鉴定、安全系统、监控等，人脸识别技术得到了越来越多的关注。

在人脸识别过程中，存在因人脸被遮挡导致识别率不高的问题。例如，现有技术利用无遮挡人脸照片作为样本库，但是如果被识别对象的面部为戴有墨镜的图像，则可能无法识别或造成错误识别。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种遮挡情况下的人脸识别方法。

本发明的目的可以通过以下技术方案来实现：

一种遮挡情况下的人脸识别方法，该方法包括以下步骤：

S1：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。

S2：对人脸训练样本集和人脸测试样本集的图像进行去噪处理和归一化处理，采用卷积神经网络对人脸特征进行提取。

S3：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。

优选地，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。

S4：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；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。

S5：显示人脸识别结果。

与现有技术相比，本发明通过对人脸的遮挡部分进行人脸内容重构，并根据重构内容进行特征点匹配，进而完成人脸识别，可有效提高遮挡人脸的识别率，充分满足用户的需求。

附图说明

图1为本发明方法的流程示意图；