[发明专利]基于测地映射分析的核稀疏描述人脸识别方法

说明书

本发明公开了一种基于测地映射分析的核稀疏描述人脸识别方法，通过两个像素点得到其连通黎曼流形的唯一测地线，通过对数和指数映射将测地线投影到切向空间，从而获取更具辨别力的分类特征，能够较好地适应人脸的特殊曲面结构，可以准确地测量出人脸图像在表情、姿态和重度遮挡条件下两个像素点的真实距离，通过非线性映射将切向空间中的数据向量转换为较高维特征空间，引入核函数对稀疏特征空间进行建模，并在非线性稀疏空间中求解L1范数的优化问题实现人脸的准确分类，大大降低了复杂条件变化对识别性能的影响，使算法更具鲁棒性，解决了现有人脸识别系统在非控制环境下易受姿态、表情和遮挡变化影响的问题。

技术领域：

本发明涉及一种面部识别领域，特别是涉及一种基于测地映射分析的核稀疏描述人脸识别方法。

背景技术：

人脸识别是当前机器视觉和人工智能领域的研究热点，也是信息安全和社会安全的重要认证手段。近年来，大量研究文献将高维测试人脸图像投影到低维特征空间，如特征脸(Eigenfaces)，Fisher脸(Fisherfaces)，拉普拉斯脸(Laplacianfaces)等，所有这些算法都要求测试样本必须裁剪适当、对齐、并与训练样本具有相同的规模大小。然而，人脸检测器的实际输出既不对准也不受限制，并且在规模上变化较大，对这些数据进行分类识别非常具有挑战性。

稀疏描述在目标跟踪及识别领域受到极大的关注，基于稀疏描述的人脸识别是一种根据人脸的全局信息进行分类识别的方法，虽然稀疏描述的模型简单，但对光照变化和有遮挡人脸的识别具有较强的鲁棒性；但是该类算法忽略了人脸局部特征对识别效果的影响，还需要测试样本与训练样本人脸要严格对齐，当存在表情和姿态变化时，其识别效果会明显下降。现有技术中也存在与人脸稀疏的研究，但是其均存在不足之处，有研究的是人类对视觉的感知是稀疏模型；有提出一种人脸稀疏描述建模方法；有的是没有将人脸表示为一个矢量，提出了区域协方差矩阵概念；有的是提出了针对主成分测地分析(PGA)的协方差描述符的降维方法，该描述符对于对齐和尺度变化是稳健的，而该描述符属于非向量对称空间，对其进行稀疏描述是不可行的；大量的研究表明，最稀疏的解对于人脸的分类是有效的，因为每个人脸都紧凑地表示为其训练集的线性组合，如果训练集很大，这样的紧凑表示是非常有用的。稀疏描述问题可以在压缩感知环境下引入L1最小化或基追踪来有效地解决。

此外，绝大多数文献采用欧氏距离作为人脸相似度量指标，但其在人脸姿态和表情变化时误差较大。

发明内容：

本发明所要解决的技术问题是：克服现有技术的不足，提供一种通过计算两个像素点间的测地距离来度量相似性，然后对提取的GMA特征进行核稀疏描述建模，并在非线性空间中实现特征的分类识别，对重度遮挡、姿态和表情变化的自由形式人脸图像具有更高识别率的基于测地映射分析的核稀疏描述人脸识别方法。

本发明的技术方案是：一种基于测地映射分析的核稀疏描述人脸识别方法，

1)、把人脸图像分成无数个像素点和无数条弧线，并在无数条弧线围成的区域内选择任意两个像素点，且其中一个作为参考点；

2)、连通黎曼流形的两点之间的距离是连接两点的曲线长度的最小值，实现最小值的曲线即为测地线；

3)、通过对数和指数映射将通过参考点的测地线变换成切向空间上的直线，保持与曲线相似的距离，通过主要测地分析，获得用于人脸识别的GMA分类特征；

4)、使用非线性模型进行稀疏描述，通过非线性映射将切向空间中的数据向量转换为较高维特征空间；

5)、使用内核技巧在GMA特征空间实现稀疏建模；

主要测地分析是欧几里德空间主成分分析的泛化和扩展；设φ是从输入空间T_μM到特征空间F的任意非线性映射，即φ:T_μM→F。