[发明专利]一种基于快速处理多距离度量学习的人脸认证方法

说明书

本发明公开了一种基于快速处理多距离度量学习的人脸认证方法，所述方法包括：对训练样本集中的每个样本提取K种特征；利用一种快速且有效的度量学习算法，获得K种特征对应的初步距离度量矩阵；利用带约束的目标函数对初步距离度量矩阵的特征值进行优化，从而获得优化后的距离度量矩阵；对需要测试的两个样本，提取同样的K种特征，并利用已学习到的距离度量获得两样本的距离；若距离小于阈值，判断为同一个人，若大于阈值，则判断不是同一个人。本发明通过在带约束的目标函数中优化矩阵的特征值从而优化距离度量矩阵，可以有效较少计算成本，提高学习速度，从而更加适用于实际场景。

技术领域

本发明涉及计算机视觉和模式识别技术领域，具体涉及一种基于快速处理多距离度量学习的人脸认证方法。

背景技术

人脸认证是计算机视觉的研究热点之一，在信息安全和验证方面有非常大的应用前景，如二代身份证的人脸验证系统。由于人脸受到光照、年龄、姿势等外在因素的影响，在不同环境中获得的同一张人脸可能会有很大的差异，因此需要学习一种可以反映人们对相似性定义的度量，即距离度量学习，距离度量学习旨在学习一个马氏距离度量，以使来自同一个人的人脸图像之间的距离变得更近，而来自不同人的人脸图像之间的距离变远，以此更好的认证两张人脸图像是否属于一个人。

在人脸图像分析中，通常能够提取多个特征表示每个人脸图像，并且希望从这多个特征中获得比从单个特征更多的有用信息，因此多距离度量学习旨在通过对每个人脸图像提取的不同特征进行距离度量学习，利用更多对人脸描述有用的信息来更好的度量人脸的相似性。

发明内容

本发明提出了一种快速处理多距离度量学习的人脸认证方法，目的在于对人脸图像的多种特征进行距离度量学习时，在保证高人脸认证准确率的前提下有较快的认证速度，从而更加适用于实际场景。

本发明的目的可以通过采取如下技术方案达到：

一种基于快速处理多距离度量学习的人脸认证方法，所述的人脸认证方法包括下列步骤：

输入训练集，其中，训练集由两个子集组成，子集S中的样本对(x_i,x_j)来自同一个人脸，子集D中的样本对(x_i,x_j)来自两个不同的人脸；

对训练子集中的每个人脸图像均提取K种特征，表示样本x_i的第k个特征，k＝1,2,……,K；

学习K种特征对应的距离度量矩阵及其权重；

输入两张人脸图像作为测试样本；

对输入的两张人脸图像提取同样的K种特征，并利用已经学习到的距离度量矩阵和权重计算这两张人脸图像的距离d；

判断，若两张图像的距离小于给定的第一阈值，则是同一个人，若大于给定的第二阈值，则不是同一个人。

进一步地，所述的学习K种特征对应的距离度量矩阵及其权重包括：

a)利用KISS算法，求出每种特征对应的距离度量：

式中，y_ij＝1表示和来自同一张人脸，y_ij＝-1表示和来自不同的人脸；

b)求出M_0k的特征向量和特征值：

式中，P_k表示由M_0k特征向量组成的矩阵，Λ_0k表示由特征向量对应的特征值组成的对角矩阵；

c)以Λ_0k作为初始值，优化特征值变量Λ_k：