[发明专利]使用伪图像的面部图像识别在审

专利信息
申请号: 201980044730.2 申请日: 2019-06-26
公开(公告)号: CN112368708A 公开(公告)日: 2021-02-12
发明(设计)人: C·R·俞;R·拉杰;D·W·达伦 申请(专利权)人: 斯托瓦斯医学研究所
主分类号: G06K9/00 分类号: G06K9/00;G06K9/40;G06K9/46;G06K9/62
代理公司: 上海专利商标事务所有限公司 31100 代理人: 陈斌
地址: 美国密*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 使用 图像 面部 识别
【权利要求书】:

1.一种方法,包括:

(a)在计算机系统中接收图像;

(b)使用所述计算机系统,通过使用预定变换矩阵对所述图像执行稀疏非负变换以将所述图像变换成伪图像;

(c)使用所述计算机系统将所述伪图像与已知图像的伪图像库进行比较;以及

(d)使用所述计算机系统输出所述伪图像与所述已知图像的伪图像库的比较结果;

其中所述图像具有M个分量,所述伪图像具有K个分量,并且K大于或等于M。

2.一种方法,包括:

(a)在计算机系统中接收图像;

(b)使用所述计算机系统,通过使用预定变换矩阵对所述图像执行稀疏非负变换以将所述图像变换成伪图像;

(c)使用所述计算机系统将所述伪图像与已知图像的伪图像库进行比较;以及

(d)使用所述计算机系统输出所述伪图像与所述已知图像的伪图像库的比较结果;

其中所述图像具有M个分量,所述M个分量中的每个分量具有两个可能值中的仅一者。

3.如权利要求1或2所述的方法,其特征在于,所述计算机系统使用至少一个L2范数来执行所述稀疏非负变换。

4.如权利要求1或2所述的方法,其特征在于,所述预定变换矩阵是通过包括以下操作的方法来获得的矩阵:使用计算机系统对训练图像的矩阵执行稀疏非负分解。

5.如权利要求4所述的方法,其特征在于,所述训练图像的矩阵是M×N矩阵,其中N大于或等于M。

6.如权利要求4所述的方法,其特征在于,所述计算机系统使用至少一个Frobenius范数来执行所述稀疏非负分解。

7.如权利要求1或2所述的方法,其特征在于,步骤(a)的所述图像是经预处理的图像。

8.如权利要求1或2所述的方法,其特征在于,所述计算机系统使用欧几里得距离和余弦距离中的至少一者来执行步骤(c)的所述比较。

9.如权利要求1所述的方法,其特征在于,步骤(a)的所述图像包括人类面部。

10.一种执行计算机实现的图像识别的方法,包括:

(a)向一个或多个计算机处理器提供具有M个分量的第一图像;

(b)向所述一个或多个计算机处理器提供预定变换矩阵,其中:

(i)所述预定变换矩阵是M×K矩阵,其中K列构成K个字典元素的集合,并且

(ii)所述预定变换矩阵是通过包括以下操作的方法来构造的:对M×N矩阵执行稀疏非负分解,其中N列构成N个训练图像的集合,每个训练图像具有M个分量,所述稀疏非负分解采用至少一个Frobenius范数;

(c)使用所述一个或多个计算机处理器,通过使用所述预定变换矩阵对所述第一图像执行稀疏非负变换来构造所述第一图像的伪图像,所述第一图像的所述伪图像包括K个元素权重,每个元素权重用于所述K个字典元素中的一者,所述稀疏非负变换采用至少一个L2范数;

(d)使用所述一个或多个计算机处理器,通过使用欧几里得距离和余弦距离中的至少一者来将所述第一图像的所述伪图像与已知图像的伪图像库进行比较;以及

(e)使用所述一个或多个计算机处理器输出所述伪图像与所述已知图像的伪图像库的比较结果;

其中所述M×N矩阵具有秩R,并且K满足以下关系中的一者或两者:

(i)K大于或等于M;以及

(ii)K大于或等于R。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于斯托瓦斯医学研究所,未经斯托瓦斯医学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980044730.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top