[发明专利]基于多示例学习的视频人脸识别方法

摘要

本发明提出一种基于多示例学习的视频人脸识别算法，该算法将每个人脸视频视为一个包，将视频中正规化后的人脸帧图像作为包中的示例，采用基于加权的分块局部二值模式级联直方图作为示例特征，在训练集合的多示例特征空间中，采用多示例学习算法得到分类器，进而实现对测试样本的分类及预测。通过在人脸视频库中的相关实验，该算法得到了比较高的识别精度，同时，该方法对光照变化、表情变化等具有良好的鲁棒性，验证了算法的有效性。

主权项

一种基于多示例学习的视频人脸识别方法，其特征在于：包括如下步骤：步骤A，对从视频中提取的正面人脸视频序列以双眼坐标为基准进行人脸归一化处理；步骤B，在预处理阶段，对提取出的人脸视频序列中的每个视频帧进行两个尺度、四个方向的Gabor变换，得到频域幅值图像，利用这些频域幅值图像可以获得增强的频域幅值特征；步骤C，将上一步骤得到的频域幅值图像集合划分分块，并对每个分块通过LBP算子获得分块的纹理特征，每个分块的纹理特征通过统计直方图的形式表示，将各分块直方图级联以得到该人脸视频的全局纹理信息；步骤D，通过上述步骤得到训练视频的特征分布空间，通过EMDD算法得到特征空间中多样性密度最大点t，对于每一个测试包，计算t与测试包之间的距离，如果测试包与t之间的距离小于分类阈值，那么就将其作为正包，否则，将其归为反包，实现对测试包的二分类；步骤E，对于给定的K个分类的训练视频集合，通过上述步骤将得到K(K‑1)/2个子分类器，通过采用One‑Against‑One方法可以建立多分类模型，对于任一测试人脸视频，可以通过步骤A、B、C的操作后获得全局纹理信息，输入到该多分类模型就可以得到测试包的最终分类结果。