[发明专利]一种基于多步加权的单样本部分遮挡人脸识别方法

说明书

本发明涉及单样本部分遮挡人脸识别，特别涉及一种基于多步加权的单样本部分遮挡人脸识别方法，包括提取图像的关键点，并对图像进行分块处理；提取具有关键点的图像块的SILBP描述符，计算图像块中的关键点个数，并将处理后的关键点个数作为权重对描述符加权；通过描述符加权匹配的方式获取匹配部位图像块之间的度量距离；求所有度量距离的平均值并用匹配关键点个数的倒数对平均值加权，最终的这个加权度量距离作为两图像之间的匹配度量距离，将具有最小度量距离的标签作为人脸识别的标签；本发明利用加权描述符匹配的方法省去了图像分块方法所需要的人脸预对齐处理，同时提出了一种通过关键点个数加权来选择未遮挡图像块进行匹配的方法。

技术领域

本发明涉及单样本部分遮挡人脸识别，特别涉及一种基于多步加权的单样本部分遮挡人脸识别方法。

背景技术

近年来，人脸识别作为图像分析和理解最成功的的应用之一受到了极大的关注，并且在数据库中有大量样本集且是受控条件下时，对人脸进行识别已经取得了非常可观的成果。然而，现实生活中由于采集样本的困难或系统的存储限制等，数据库中每个人可能仅有一张人脸，一些现有的人脸识别算法会受到很大的影响，如：PCA，LDA，SRC等等，这个问题叫做单样本问题，定义如下：根据每人仅存储有一张图像的面部数据库来识别存在姿势变化、光照变化或外部物体遮挡等的人脸图像。该问题具有很大的挑战性，因为现有的人脸识别算法大多是通过大样本集进行训练来获取良好的识别性能，很难从有限的数据中学习出一个可以有效判别人脸的特征或分类器。除了数据库的问题以外，如果待识别图像存在遮挡将给人脸识别带来更大的困难，因为现在并没有一种有效的方法能排除掉自然场景下的遮挡区域，而遮挡会造成特征损失、对准误差和局部混叠等问题，这些问题将会严重影响人脸识别算法的性能。遮挡可分为三种类型：1)极端光照(如阴影)2)姿势变化引起的自遮挡(如侧脸)3)外部物体遮挡(如墨镜)等，本论文仅针对外部物体遮挡进行讨论。

面对单样本部分遮挡人脸识别问题，由于局部遮挡仅影响人脸的局部区域，提取局部区域的特征是解决该问题的常用方法。通过将图像分为数个等大小的图像块进行识别工作是局部特征提取的常用方法，如Wei等人在2014年所提出DICW算法在将图像分块后，按照光栅扫描的顺序将图像块排列为了一个图像块序列，然后用传统的DTW(the DynamicTime Warping)算法实现图像块之间的弹性匹配，这样做保留了人脸的整体结构信息，并减弱了遮挡带来的影响。类似的基于图像分块的人脸识别方法还有Soodeh Nikan等人提出的方法,该方法是通过将人脸图像分为等大小的块，然后将这些图像块作为独立单元进行分类，最后整合这些分类结果来得出两幅图像的相似度。Niall McLaughlin等人在2016年提出通过计算两幅匹配图像中每个位置最大邻域的匹配概率，来估算两幅图像的匹配程度，对于遮挡问题，通过给予遮挡区域匹配的一个极小的后验概率，来弱化遮挡带来的影响，这是一种通过概率匹配来估算人脸相似度的方法。类似的还有Seo等人通过将SIFT特征和统计学习相结合，来建立SIFT特征的概率分布函数，最后通过概率分布函数来赋予不同图像块不同的权重来综合决策两幅图像的相似度。以上这些方法都需要人脸预对齐，但在遮挡面积较大时，可能无法进行人脸预对齐，且将具有遮挡部分的图像区域用于决策，势必会对识别结果造成影响。有一类方法是利用了关键点的匹配程度来识别人脸，该类方法不需要人脸预对齐且有很好的识别性能，如Liao等人^[9]提出的先提取人脸图像的特征点，提取特征点邻域的Gabor Ternary Pattern Descriptor(GTP)特征，利用所有图库图像的GTP特征建立字典，最后将测试图像的所有GTP特征用特征字典稀疏重建，通过重构误差来度量他们的相似性；还有Weng等人^[10]提出的将两幅图像检测到的关键点集之间进行匹配的配准代价和匹配关键点邻域纹理梯度特征的度量距离综合决策人脸相似度。这两种方法，前者仅利用关键点的描述符进行识别，损失了人脸的整体结构信息且在图库集变动时需要重新构建字典。Weng等人提出的方法虽然在提取关键点邻域信息的同时利用点集匹配弥补了局部特征损失的整体结构信息，但点集匹配过程消耗了大量的时间，失去了单样本人脸识别的运行效率的优势。

发明内容