[发明专利]一种基于通用的集合度量学习的人脸验证方法

说明书

本发明公开了一种一种基于通用的集合度量学习的人脸验证方法，属于人脸验证领域，对已知人脸数据集α和未知人脸数据集β中的人脸图像，分别提取人脸的特征，利用集合度量得到数据集α与数据集β中的差异量；利用所述差异量得到距离度量函数和距离度量标准；利用所述距离度量函数和距离度量标准构建决策函数，并采用交叉梯度下降算法求解构建决策函数中经验风险函数的最小值，所述经验风险函数的最小值对应的已知人脸图像为该未知人脸图像的验证结果；本发明能够提高人脸验证的正确率。

技术领域

本发明涉及人脸验证领域，具体涉及一种基于通用的集合度量学习的人脸验证方法。

背景技术

随着科技的发展以及人们生活水平的提高，人脸自动识别技术也得到了广泛研究与开发，这人脸识别也成为近30年里模式识别和图像处理中最热门的研究主题之一。所谓人脸识别，就是利用计算机分析人脸视频或者图像，并图取出有效的人脸特征识别信息等，并最终判断出人脸对象的身份。一般来说，人脸识别问题宏观上分为两类：人脸识别和人脸验证。其中，人脸识别做的事一对多的比对，即判断系统当前见到的人，为事先见过的众人中的哪一个，比如门禁系统，考勤签到，以及嫌犯追踪等，而人脸验证做的是一对一的比对，也即判断两张图片里的人是否为同一人，最常见的应用场景就是人脸解锁，通过使用终端设备将用户事先注册的照片与现场采集的照片作对比，判断是否为同一人，即可完成身份验证。

最近几年，随着人脸识别技术被越来越多的应用到我们的日常生活中，人们对人脸识别精度的要求也越来越高，与此同时，人脸验证技术也已经成为人脸识别领域中的重要研究方向，而人脸验证所遇到的问题也引起了广大科研人员的兴趣与研究。在人脸数据集中，往往会遇到目标人脸图像分辨率低、不同场景中的光照强度的变化、尺度与视角的变化、人脸表情动作的变化、监控摄像头设备的变化等等都会导致同一个人脸在不同场景中的外貌差异变化巨大，这也使得人脸验证技术遇到了挑战。

发明内容

本发明的目的在于：提供一种基于通用的集合度量学习的人脸验证方法，解决了目前人脸验证中因光照强度的变化、尺度与视角的变化、人脸表情姿态的变化以及不同监控摄像头的设备配置变化一系列问题所导致的人脸验证的正确率较低等技术问题。

本发明采用的技术方案如下：

一种基于通用的集合度量学习的人脸验证方法，包括以下步骤：

步骤1：对已知人脸数据集α和未知人脸数据集β中的人脸图像，分别提取人脸的特征，利用集合度量得到数据集α与数据集β中的差异量；

步骤2：利用所述差异量得到距离度量函数和距离度量标准；

步骤3：利用所述距离度量函数和距离度量标准构建决策函数，并采用交叉梯度下降算法求解构建决策函数中经验风险函数的最小值，所述经验风险函数的最小值对应的已知人脸图像为该未知人脸图像的验证结果。

进一步的，所述步骤1中，还包括对人脸图像进行预处理，所述预处理包括对人脸图像中的人脸进行标框处理，并通过旋转操作使人脸图像对齐。

进一步的，所述步骤1中差异量的表达式如下：

F_i^α＝[f₁^α-c₁^α；f₂^α-c₂^α；...；f_Nr^α-c_Nr^α] (1)，