[发明专利]基于结构化误差编码的人脸遮挡检测方法

说明书

技术领域

本发明属于图像处理领域，特别是涉及人脸识别领域。

背景技术

随着信息技术的高速发展，人脸识别技术已广泛应用于现实生活中，如：银行的各类ATM取款机对取款人的监控，海关、关口对进出旅客的监控。在实际人脸图像处理过程中，人脸图像的遮挡（如眼镜、口罩、围巾等）会经常出现，而遮挡对人脸识别或人脸合成而言是个极大的障碍。因此，如何快速、自动地检测人脸遮挡并重建人脸遮挡区域的图像，成为近年来人脸图像处理的研究热点之一。

目前已有的遮挡检测技术主要是基于对重构误差的处理，即：首先用训练样本对有遮挡的图像进行重构，得到无遮挡的重构图像，然后计算两者之间的误差，通过分析误差的大小，判定被遮挡的区域。基于误差分析的遮挡检测技术主要可分为：基于字典的稀疏编码方法，基于误差度量的方法，基于误差分布的方法，以及基于误差结构的方法。这些方法在处理连续遮挡时，有个共同的问题：当图像维数低于某一临界值或遮挡面积高于某一百分点时，检测准确率会显著而非平缓地下降。针对此问题，本发明提出一种新的基于结构化误差编码的人脸遮挡检测方法。

发明内容

本发明提供一种检测准确率高、可行性好的基于结构化误差编码的人脸遮挡检测方法，适合于处理图像维数较低或遮挡面积较大情况。

为解决上述技术问题，本发明采用的技术方案是：提供基于结构化误差编码的人脸遮挡检测方法，包括以下步骤：

步骤1：将待检测人脸图像数据和训练样本数据拉伸为列向量；

步骤2：定义误差支撑，并初始化；

步骤3：在最小化CD误差准则下，由误差支撑，计算待检测人脸图像数据对由训练样本数据构成的字典的稀疏编码和重构误差；

步骤4：根据重构误差估计误差支撑；

步骤5：建立描述误差支撑的形态图，由形态图和重构误差，再次估计误差支撑；

步骤6：迭代步骤3-5，得到重构误差序列和误差支撑序列；

步骤7：选取最优误差支撑，并根据最优误差支撑获得待检测人脸图像中被遮挡像素点的集合。

进一步地，所述步骤1中的将待检测的人脸图像和各训练样本拉伸为列向量是将m×n维的图像数据矩阵拉伸为M=m×n维的列向量，m、n分别为图像数据的行数和列数。

进一步地，所述步骤2中的误差支撑为s∈{-1,1}^M，其中s_i=-1表示未被遮挡，s_i=1表示被遮挡；初始化误差支撑是将误差支撑初始化为s_i=-1（i＝1,…,M）。{-1,1}^M表示M维列向量的集合，且该集合中列向量的元素来自集合{-1,1}。

进一步地，所述步骤3中的由训练样本构成的字典是将每个拉伸处理后的训练样本，按列排放，构成字典。

进一步地，所述步骤3中的CD误差用于度量任意两个相同维数的向量和之间的误差，定义为：CD(a_i,b_i)=1-exp(-|loga_i-logb_i|/σ)，其中，σ=θMΣi=1M(logai-logbi)2,]]>θ为经验常数，建议值为1。