[发明专利]一种基于TI‑SPCA的人脸自动对齐及识别方法

摘要

本发明请求保护一种基于TI‑SPCA的自动人脸对齐及识别方法，属于模式识别技术领域。所述方法主要包括以下步骤首先针对训练集中的样本生成镜像图像，再利用数学中的奇偶分解原理生成奇偶对称图像；对奇偶图像集分别使用对称主成分分析，根据特征值大小选取相应的特征向量，形成初始的特征空间；利用该特征空间初始化下一阶段的迭代学习，结合同时反向合成算法，交替迭代更新扭曲参数和编码参数，最终得到一个旋转不变的特征空间，对平面内旋转的人脸图像进行自动对齐，进而可进行人脸识别。本发明具有更为鲁棒的性能。此外，本发明所提方法还可与其它特征提取算子相结合，取得优异的识别率。

主权项

一种基于TI‑SPCA的人脸自动对齐及识别方法，其特征在于，包括以下步骤：101、获取人脸图像的训练集，根据训练集中的训练样本生成相应的人脸镜像图像Im，再利用数学中的奇偶分解原理，将人脸图像I分解为I＝Ie+Io，其中，Ie＝(I+Im)/2是偶对称人脸，Io＝(I‑Im)/2是奇对称人脸，Im为I的镜像图像；102、在步骤101的基础之上，采用对称主成分分析法SPCA分别对奇偶对称图像进行处理，再根据特征值大小选取其对应的特征向量，形成初始特征空间；103、利用步骤102的初始特征空间初始化下一阶段的迭代学习，将训练图像和特征向量分别表示为I(x)和φj(x)，设扭曲函数为W(x；p)，则可将旋转后的图像表示为其中x＝(x0,y0)T表示像素坐标形成的向量，p＝(p1,…,pn)T是扭曲参数组成的向量，u(x)为模板图像，φj(x)为特征向量，λj为编码参数，e(x)为误差；104、在步骤103的基础之上，对于输入人脸图像，结合同时反向合成算法SIC交替迭代更新扭曲参数和编码参数，使得重构图像和扭曲图像之间的误差最小化，以此来学习TI‑SPCA的特征空间，即最小化最终得到一个旋转不变的特征空间。