[发明专利]一种基于卷积网络特征提取的人脸识别方法

摘要

本发明涉及一种缺失人脸图像恢复与识别的技术，具体涉及一种基于卷积网络特征提取的人脸识别方法，属于生物特征识别领域。首先利用截断核范算法对原始的缺失图像进行矩阵恢复处理，得到信息基本恢复的恢复矩阵，然后利用低秩矩阵分解算法对恢复矩阵进行低秩信息的提取，并由向量形式转化为矩阵卷积核，接着利用卷积神经网络提取恢复的图像特征并编码，得到每张图像的最终特征，最后借助SVM对特征样本进行训练和分类识别。本发明能避免传统方法中因图像缺失带来的低识别率问题，并对不同数据库的缺失图像都能达到较好的结果。

主权项

1.一种基于卷积神经网络的残缺人脸识别方法，其特征在于：该方法包括如下步骤：步骤一：残缺人脸恢复(1.1)将N张原始的残缺人脸图像作为输入，首先判断图像是灰度图像还是彩色图像，若是灰度图像，则直接选取图像作为缺失矩阵，若是彩色图像，则对图像的R、G、B三个颜色通道分别选取图像作为缺失矩阵进行操作,这里将缺失矩阵记为I_i,i＝1,...,N；(1.2)利用截断核范的方法，对选取的每个缺失矩阵I_i做矩阵恢复操作，得到一个图像矩阵，即恢复矩阵X_i；步骤二：人脸特征提取(2.1)对得到的恢复矩阵X_i做按块提取，按顺序排列后进行低秩矩阵的提取操作；(2.2)对于得到的低秩矩阵，经提取特征向量后将其转化L₁个矩阵形式的卷积核，对恢复矩阵X_i做卷积操作得到N×L₁张特征图谱，重复上一步(2.1)，对这N×L₁张特征图谱提取对应的L₂个卷积核，并利用该L₂个卷积核对特征图谱做卷积得到新的特征图谱；(2.3)对得到的每幅新的特征图谱进行二值化处理，然后加权处理后得到一张取值范围处于的最终特征图谱；(2.4)对得到的最终特征图谱，按块做直方图统计得到每张输入图像的向量形式特征；步骤三：人脸识别分类(3.1)对上述得到的特征，利用SVM进行训练分类。