[发明专利]基于子空间岭回归的人脸画像生成方法

摘要

本发明公开了一种基于子空间岭回归的人脸画像生成方法，主要解决现有方法生成画像质量不高或耗时的问题。其实现步骤是：(1)划分训练画像样本集、训练照片样本集和测试样本集；(2)将所有图像划分成图像块，并组成块集合；(3)将训练照片块集合与对应的画像块集合划分为多个子集；(4)计算每一对照片‑画像块子集之间的映射系数矩阵；(5)将测试照片块划分到对应的子集；(6)根据每一个测试照片块子集以及其所在子集对应的系数矩阵，求解出合成画像块子集；(7)合并合成画像块子集得到合成画像块集合(8)组合所有合成画像快，生成伪画像。本发明具有合成画像质量高，速度快的优点，可用于公共安全领域中人脸检索与识别。

主权项

1.基于子空间岭回归的人脸画像生成方法，包括：/n(1)从照片-画像对集中取出M张照片组成训练照片样本集T_p，并取出与训练照片样本集T_p中的照片一一对应的M张画像组成训练画像样本集T_s，将剩余照片-画像对组成测试样本集，从测试样本集中选取一张测试照片L，2≤M≤U-1，U为照片-画像对集中的照片-画像对个数；/n(2)将所有图像划分成相同大小及相同重叠程度的图像块，每张图像划分为N块，并组成块集合：/n(2a)将测试照片L划分成相同大小及相同重叠程度的图像块并组成块集合：/nP＝{p¹，…，p^j，…，p^N}；/n其中，P表示测试照片块集合，p^j表示测试照片中的第j个照片块，j∈1，…，N；/n(2b)将训练照片样本集T_p中的M张照片划分成相同大小及相同重叠程度的图像块并组成块集合：/n /n其中，R表示训练照片样本块集合，表示第i张照片中的第j个照片块，i∈1，…，M，j∈1，…，N；/n(2c)将训练画像样本集T_s中的M张画像划分成相同大小及相同重叠程度的图像块并组成块集合：/n /n其中，Q表示训练画像样本块集合，表示第i张画像中的第j个画像块，i∈1，…，M，j∈1，…，N；/n(3)将训练照片样本块集合R与对应的画像样本块集合Q划分为多个子集：/nR_C＝{R₁，…，R_k，…，R_c}/nQ_C＝{Q₁，…，Q_k，…，Q_c}/n其中，R_C表示所有训练照片样本块子集组成的集合，R_k表示每一个训练照片样本块子集，Q_C表示所有训练画像样本块子集组成的集合，Q_k表示每一个训练画像样本块子集，k∈1，…，c，c为子集总个数；/n(4)根据每一个训练照片样本块子集R_k与对应的训练画像样本块子集Q_k，按照下式求解出映射每一对子集之间关系的系数矩阵w_k，合并得到所有子集系数矩阵集合W_C＝{w₁，…，w_k，…w_c}：/n /n其中，w_k表示第k对训练照片-画像样本块子集之间的系数矩阵，表示照片样本块子集矩阵的转置矩阵，I表示单位矩阵；/n(5)将测试照片块集合P中的N个测试照片块划分到不同的训练照片-画像样本块子集对中：/nP_C＝{P₁，…，P_k，…，P_c}；/n其中，P_C表示所有测试照片样本块子集组成的集合，P_k表示每一个测试照片样本块子集；/n(6)根据每一个测试照片样本块子集P_k以及其所在子集对应的系数矩阵w_k，按照下式求解出合成画像块子集S_k：/nS_k＝w_kP_k；/n(7)将所有合成画像块子集S_k合并，得到合成画像块集合：/nS＝{S₁，…，S_k，…，S_c}；/n其中，S_k表示合成画像块集合中的第k个子集，k∈1，…，c，c为子集总个数；/n(8)将合成画像块集合S中的N个合成画像块进行组合，得到与测试照片L对应的合成画像。/n