[发明专利]人脸表示和相似度计算方法

摘要

本发明公开了一种人脸表示和相似度计算算法。在离线训练阶段收集带有标注的人脸训练集，每人包含50‑100张人脸图像，将集合中图像归一化后划分为2*2个相同大小的人脸块。对每个人脸块，稠密的提取k*k像素的小块，进行均值归零，方差归一预处理后，基于K‑means聚类学习卷积核。每个人脸块得到K个卷积图像，对整张输入人脸的K*2*2个卷积图像，分别进行均值Pooling操作和ReLU非线性操作后将所有响应图的特征拉直。对拉直后的特征，学习主成分分析（PCA）投影，经过PCA降低维度后，基于线性判别分析（LDA）算法学习判别投影，得到紧凑、鲁棒的人脸表示，对两幅图像的人脸表示进行内积运算得到相似度。 1

主权项

1.一种人脸表示和相似度计算方法，其特征在于：

(1)收集生成网络人脸训练集；

(2)利用训练集中的人脸图像训练得到卷积核；

(3)利用所述卷积核，对训练集中的人脸图像进行特征表示；

(4)利用所述卷积核，对输入人脸图像进行特征表示；

(5)在训练集中的人脸图像特征表示中提取判别特征；

(6)在输入人脸图像特征表示中提取判别特征；

(7)利用判别特征，计算图像相似度;

其中步骤(1)具体为：选择C个名人，其中c=1,2,……，C，名人对应有张图像，其中50<<100，名人对应的所有图像集合为，将训练集记为，,训练集合中的图像，其中i=1,2,……，N，体现姿态、光照和表情的变化;

其中步骤(2)具体为：将训练集中的人脸图像对齐，对齐后的人脸图像大小为128*80像素，将每幅图像划分为2*2个大小相同的人脸块，每个人脸块图像大小为64*40像素，对所有图像的所有人脸块分别进行处理，得到卷积核;

其中对所有图像的所有人脸块分别进行处理，得到卷积核的步骤具体为：每幅图像对应位置j的人脸块记为，其中i=1,2,……N，j=1,2,3,4，在每个人脸块上提取k*k大小的小块，步长为1，则该人脸块表示为：

=[，，……，]，其中1<k<40,m=64‑k+1,n=40‑k+1，计算，将减去均值，并将每一维特征的方差归一，得到每幅图像对应位置j的人脸块表示：，对所有N幅图像对应位置j的人脸块依次处理,将得到的N个表示连接起来，得到训练集中N幅图像的位置j的人脸块表示为：，对该进行K‑means聚类学习，得到K个聚类中心，记为：，其中dj,t表示其中的第t个聚类中心，t=1,2,……K，每个聚类中心作为一个独立的卷积核，对所有图像的所有位置j的人脸块都按照上述步骤分别进行卷积核学习，得到{，j=1,2,3,4}。

2.如权利要求1所述的方法，其中步骤(3)具体为：对人脸图像卷积操作后进行Pooling操作和ReLU操作以进行特征表示。

3.如权利要求2所述的方法，其中的卷积操作具体为：将每个聚类中心dj,t做为一个卷积核，进行内积运算，将拉直的卷积向量还原为二维图像，对训练集中的人脸图像

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。 免登录下载普通用户下载升级VIP会员，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北京畅景立达软件技术有限公司，未经北京畅景立达软件技术有限公司许可，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/patent/201410604043.0/，转载请声明来源钻瓜专利网。