[发明专利]基于异构主动视觉网络的人脸图像样本采集优化方法

摘要

一种基于异构主动视觉网络的人脸图像样本采集优化方法，寻优过程为每隔Δt时间，所有摄像头进行目标分配和状态调整，完成一轮目标图像样本采集；寻优变量依次为：摄像头与目标的分配关系、摄像头在世界坐标系中的位置与朝向角、以及摄像头的焦距，寻优目标为最大化所有目标的总体经验评价函数，遍历目标分配方案，在每一种目标分配方案下，采取遗传算法，求解寻优变量使得目标评价函数最大，选取最佳分配方案从而得到最大的总体经验评价函数，本发明将人脸在图像中的分辨率和姿态角以主动视觉技术进行改良，利用异构主动视觉网络，对样本采集环节进行优化，获得分辨率较好、姿态角丰富的人脸图像样本，以用于人脸注册和识别。

主权项

1.一种基于异构主动视觉网络的人脸图像样本采集优化方法，其特征在于，包括以下内容：寻优过程为：每隔Δt时间，所有摄像头进行目标分配和状态调整，以完成一轮目标图像样本采集；寻优变量依次为：摄像头与目标的分配关系I(c,t)、摄像头在世界坐标系中的位置与朝向角L_c、以及摄像头的焦距f_c，其中：I(c,t)是一个示性函数，c表示摄像头的标号，c∈{1,2，...,N_c}，t表示目标的标号，t∈{1,2，...,N_t}，I(c,t)=1表示将第t个目标分配给第c个摄像头，I(c,t)＝0表示未分配，表示第c个摄像头在世界坐标系中的位置、水平转角及俯仰转角；寻优目标：最大化所有目标的总体经验评价函数Sum_t(f_t)，其中第t个目标的评价函数f_t如下所示ft(pnt,rnt,...,p1,r1)=ft(pnt-1,rnt-1,...,p1,r1)+(fp(p1.....pnt)-fp(p1,...,pnt-1))·fr(rnt)]]>n_t＝2,3，...f_t(p₁,r₁)＝f_p(p₁)·f_r(r₁)为第t个目标的n_t个人脸图像样本的联合评价函数，通过迭代方法计算；f_p为对姿态角的评价函数，根据所有姿态角在(-90°,90°)区间分布的均匀和密集程度来计算，表示第n_t个人脸图像样本的姿态角度；f_r表示对分辨率的评价函数，根据分辨率的高低来计算，表示第n_t个人脸图像样本的分辨率；寻优方法为：遍历I(c,t)即目标分配方案；在每一种目标分配方案下，采取遗传算法，求解每个摄像头L_c和f_c使得f_t最大；选取最佳分配方案从而得到最大的Sum_t(f_t)。