[发明专利]一种低分辨率单样本人脸识别方法有效
申请号: | 201910411353.3 | 申请日: | 2019-05-16 |
公开(公告)号: | CN110210336B | 公开(公告)日: | 2021-03-16 |
发明(设计)人: | 钟锐;钟剑;钟琦;许凯莉;黄雪娇;王碧莹;谌诗宇;胡外香;李啸海;刘晔莹;邹建 | 申请(专利权)人: | 赣南师范大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 徐员兰;李丹 |
地址: | 341000 *** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种低分辨率单样本人脸识别方法,包括以下步骤:构建单样本训练集和低分辨率测试集;构建统一局部特征提取模型,使用该模型提取出测试样本与训练样本的局部区块中具有固定维数的人脸卷积特征;构建局部协同表示模型,使用该模型对训练集中单人脸样本的局部区块卷积特征进行重构,生成具有多种类内变化的局部区块卷积特征;构建融合判别模型,使用该模型计算出测试样本与重构训练样本所有局部区块间的综合相似度距离,利用该距离计算出样本的最小重构误差,将具有最小重构误差的训练样本标签作为当前测试样本的类别标签值。本发明构建的基于局部协同表示特征融合判别的人脸识别方法,可显著提高低分辨率单样本场景下的人脸识别率。 | ||
搜索关键词: | 一种 分辨率 样本 识别 方法 | ||
【主权项】:
1.一种低分辨率单样本人脸识别方法,其特征在于,包括以下步骤:S1)构建单样本训练集和低分辨率测试集;S2)构建统一局部特征提取模型,使用该模型提取出测试样本与训练样本的局部区块中具有固定维数的人脸卷积特征;所述局部区块为对人脸图像根据设定人脸局部特征的提取区域进行划分得到的人脸图像的区块;S3)构建局部协同表示模型,使用该模型对训练集中单人脸样本的局部区块卷积特征进行重构,生成具有多种类内变化的局部区块卷积特征;S4)构建融合判别模型,使用该模型计算出测试样本与重构训练样本所有局部区块间的综合相似度距离,利用该距离计算出样本的最小重构误差,将具有最小重构误差的训练样本标签作为当前测试样本的类别标签值。
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。
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赣南师范大学,未经赣南师范大学许可,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/201910411353.3/,转载请声明来源钻瓜专利网。