[发明专利]基于相似度保留堆叠自编码器的人脸姿态重建与识别方法

说明书

本发明公开了一种基于相似度保留堆叠自编码器的人脸姿态重建与识别方法，其特征是，包括如下步骤：1）多角度人脸图像的姿态角度步进减小；2）目标姿态特征提取；3）构建相似度保留自编码器的总损失函数；4）堆叠相似度保留自编码器；5）训练并微调网络；6）重建与识别：将重建好的正脸图像和网络的最高隐含层特征分别使用线性判别分析法，即LDA法进行降维来提取具有判别性的人脸特征，并用最近邻分类器完成人脸识别。这种方法能够消除人脸图像的姿态角度偏转影响、能够提取到人脸对于多姿态变化更具鲁棒性的特征，且提取到的姿态特征能和原始正脸图像的特征相匹配，从而提高识别率。

技术领域

本发明涉及计算机视觉和模式识别领域，具体涉及基于相似度保留堆叠自编码器的人脸姿态重建与识别方法。

背景技术

人脸姿态重建与识别由于其巨大的理论研究空间以及在广泛的实际应用中具有良好的应用潜力，成为了目前的一个热点研究领域。现实中，人脸在不同环境中易受姿态变化的影响，使得基于姿态变化的人脸识别问题成为了一个研究难点。识别带有不同姿态角度变化的非配合主体对于公安刑侦破案、出入口控制、边界安防等领域发挥着至关重要的作用。

在实际应用中，如视频监控和图像采集等场合，由于用户的非配合，致使采集到的图像存在不同程度的角度旋转，从而导致人脸被部分遮挡以及脸部纹理形变，最后提取到的姿态特征不能很好和原始正脸图像的特征相匹配，从而降低了识别率。

为了解决姿态变化带来的人脸重建和识别问题，目前现有的技术主要为2D和3D两类方法。2D方法中的经典方法是运用堆叠步进自编码器网络结构来将较大姿态的人脸图像逐步地转换为较小姿态的图像，从而完成正脸姿态的重建。这种方法虽然能够提取到鲁棒性较强的姿态不变特征，但是其在某种程度上，使得在姿态重建过程中，人脸的局部纹理信息丢失太多，导致重建后的正脸图像质量下降，从而影响了后续的识别性能；在3D方法中，则主要是运用基于三维人脸建模的方法来处理姿态变化带来的识别性能降低等问题。基于3D建模的方法其计算量较大，且在某些情况下，运用3D方法进行姿态重建后的人脸其识别率没有得到很大程度上的提升。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于相似度保留堆叠自编码器的人脸姿态重建与识别方法。这种方法能够消除人脸图像的姿态角度偏转影响、能够提取到人脸对于多姿态变化更具鲁棒性的特征，且提取到的姿态特征能和原始正脸图像的特征相匹配，从而提高识别率。

实现本发明目的的技术方案是：

一种基于相似度保留堆叠自编码器的人脸姿态重建与识别方法，包括如下步骤：

1)多角度人脸图像的姿态角度步进减小：给定多角度姿态输入图像x(1)以及图像x(1) 下一级小姿态角度图像将x(1)作为第一步进自编码器的输入，则作为第一步进自编码器的期望输出，接着在第一步进自编码器编码过程中，通过编码参数 {W1(1),b1(1)}将多角度姿态输入图像x(1)映射到隐含层h₁中，在第一步进自编码器解码过程中，又通过解码参数{W1(2),b1(2)}将输入图像的隐含层特征h₁映射到输出层y(1)，最后通过最小化均方误差函数来实现姿态角度的步进减小；

2)目标姿态特征提取：将步骤1)中第一步进自编码器的目标姿态角度图像作为第一半自编码器的输入，通过参数{W1(3),b1(3)}将映射到第一半自编码器的隐含层即为提取到的目标姿态特征；

3)构建相似度保留自编码器的总损失函数：步骤1)中的第一步进自编码器和步骤2) 中的第一半自编码器构成一个相似度保留自编码器，在第一步进自编码器的损失函数中加入相似度保留约束项，即对输入图像的隐含层特征h₁和目标姿态的隐含层特征作相似度约束在损失函数中引入相似度保留项后，再在其中加入对隐含层特征h₁和的稀疏性限制即稀疏正则项，来共同构成网络总的损失函数