[发明专利]基于多流形判别分析超分辨率的人脸识别方法

说明书

发明领域

本发明涉及一种人脸识别方法，特别涉及一种基于多流形判别分析超分辨率的人脸识别方法。

背景技术

人脸识别作为一种重要的生物识别手段，近三十年以来在研究和市场领域都获得了大量的关注。然而，在许多情况下，由于摄像机与行人的距离较远，导致拍摄到的人脸图像的分辨率太低，人脸图像丢失了过多的细节信息，进而难以有效地被人或者机器所辨别。因此，如何进行低分辨率人脸图像的匹配识别成为当前人脸识别技术需要进一步解决的问题。

低分辨率人脸识别方法大体分为两类，一类方法是直接将所有人脸库中的图像下采样到与待识别人脸图像相同大小，在低分率空间进行人脸识别；另一类方法是将待识别人脸图像进行超分辨率重建，得到与人脸库中图像相同大小的高分辨率人脸图像，在高分辨率空间进行人脸识别。近年来，学者们提出了大量利用超分辨率算法得到高分辨率人脸图像的方法。2000年Baker和Kanade在文献1（S.Baker and T.Kanade.Hallucinating faces.In FG，Grenoble,France,Mar.2000,83-88.）中提出了一种人脸幻构（face hallucination）的方法，利用训练集中人脸图像的先验信息，通过学习的方法获得低分辨率人脸对应的高分辨率图像。随后，Liu等人在文献2（C.Liu,H.Y.Shum,and C.S.Zhang.A two-step approach to hallucinating faces:global parametric model and local nonparametric model.In CVPR，pp.192–198,2001.）中提出人脸重建的两步法，分别合成人脸的全局信息和局部信息。2004年Chang等人在文献3（H.Chang,D.Y.Yeung,and Y.M.Xiong.Super-resolution through neighbor embedding.In CVPR，pp.275–282,2004.）中基于高低分辨率图像块所构成的流形空间具有相似局部几何特征这一假设，提出一种邻域嵌入的图像超分辨率重建方法。而后，Wang和Tang在文献4（X.Wang and X.Tang,Hallucinating face by eigentransformation,Trans.SMC(C),35(3):425–434,2005.）中运用特征变换的算法提出了一种新的人脸幻构的方法。近来，Ma等人利用人脸图像位置块信息，在文献5（X.Ma,J.Zhang,and C.Qi,“Position-based face hallucination method,”in ICME，pp.290-293,2009.）和文献6（X.Ma,J.P Zhang,and C.Qi.Hallucinating face by position-patch.Pattern Recognition，43(6):3178–3194,2010.）中提出基于位置图像块的人脸超分辨率方法，使用训练集中所有与输入图像块同位置的人脸图像块重建高分辨率人脸图像，避免流形学习或者特征提取等步骤，提高了效率和合成图像的质量。Yang等人在文献7（J.Yang,H.Tang,Y.Ma,and T.Huang,“Face hallucination via sparse coding,”in ICIP，pp.1264-1267,2008.）和文献8（J.Yang,J.Wright,T.Huang,and Y.Ma.“Image super-resolution via sparse representation,”Trans.IP，19(11):2861–2873,2010.）中提出了将图像超分辨率重建看作一个稀疏表示的问题，获得了很好的效果，该方法是目前最好的人脸超分辨率重建方法。

然而，上述所有方法好坏的评判准则是它们超分辨率重建出来的人脸图像与原始人脸图像的差异性（比如，RMSE值、PSNR值或者SSIM值），目的均是为了获得一个视觉上让人满意的效果。然而，人脸超分辨率的最终目的是为了重建后的人脸识别，传统的人脸超分辨率方法重建出来的人脸图像缺乏对人脸识别有用的判别信息。如何重建出一张具有判别性的人脸（重建是为了后期的人脸识别）是人脸超分辨率技术的最终目的。

发明内容