[发明专利]一种基于面向场景判别性分析的图像到视频人脸识别方法

摘要

本发明的实施方式提供了一种基于面向场景判别性分析的图像到视频人脸识别方法，其包括步骤1）检测输入静止图像及人脸视频中的人脸区域，并将所述人脸区域归一化到相同大小；2）提取所述归一化处理后的人脸区域的特征，并进行降维；3）对所提取的静止场景人脸和视频场景人脸建立不同的映射矩阵，计算原始特征在映射空间中的特征表示；4）根据身份耦合的图像视频人脸训练数据，通过约束映射空间中人脸特征的类内紧致性和类间分离性，优化静止场景和视频场景的映射矩阵参数；5）将测试的人脸视频和数据库中的人脸图片分别输入对应的映射矩阵计算新特征，采用最近邻算法识别视频人脸身份。本发明对不同的场景建立不同的映射矩阵，有效地建模不同场景的数据特征，并利用线性判别分析学习优化面向场景的映射矩阵，使得变换后的特征具有良好的区分性。

主权项

一种基于面向场景判别性分析的图像到视频人脸识别方法，其特征在于，包括以下具体步骤：A)首先，检测输入静止人脸图片和人脸视频中的人脸位置，提取人脸区域图像，将人脸区域归一化为大小为H×W的矩形图像区域，H表示矩形图像区域的高度，W表示矩形图像区域的宽度；B)在归一化的人脸区域图像上提取特征，并用主成分分析方法对特征降维；C)对静止场景和视频场景分别假设不同的映射矩阵，将原始的静止图片人脸特征和视频人脸特征分别输入到对应的变换矩阵后，获得在映射空间中的特征表述；D)训练集中的每个人都提供一张静止人脸图片和多个环境变化的人脸视频片段；通过约束映射空间中同一人在静止场景和视频场景中的人脸特征距离小，而不同人的人脸特征距离大，构造面向场景的判别分析优化目标；利用梯度下降法求解目标函数，得到最优的映射矩阵参数，使得不同场景人脸特征在映射空间中达到良好的区分性能；E)将测试视频人脸图片输入视频场景映射矩阵，数据库中所有的静止图片人脸输入静止场景映射矩阵，分别得到转换后的新特征；计算测试人脸视频到数据库中所有静止人脸图片的距离，选择与测试视频距离最小的图片人脸作为测试视频的身份。