[发明专利]一种用于人脸识别的虚拟图像产生和融合方法

说明书

本发明提供一种用于人脸识别的虚拟图像产生和融合方法，有它包含有虚拟图像生成模块和虚拟图像融合模块，所述虚拟图像生成模块使用原始图像样本的全局像素值作为输入，通过虚拟图像生成算法提取原始样本的低频空域特征，生成减小同一对象不同图像间差异的虚拟图像样本；所述虚拟图像融合模块使用原始样本和虚拟样本作为输入，经过虚拟图像融合算法，共同作为输入对人脸图像进行识别，有效提高人脸图像的识别准确率。本发明应用于人脸识别领域，通过生成虚拟图像，与原始图像融合作为输入，使其互为补充以达到良好识别效果，整体框架清晰，能够在进行人脸识别时，性能显著，不论在定性还是定量上的对比也展现了显著的优越性，取得了很好的效果。

技术领域

本发明属于计算机视觉人脸识别技术领域，更具体地说，涉及一种人脸图像虚拟样本生成和融合方法。

背景技术

人脸识别技术是一种生物识别技术，目前人脸识别技术已经广泛应用于安全、监控、一般身份识别、考勤、走失儿童搜救等领域。对比于其他生物识别技术，人脸识别技术具有如下优势：(1)人脸识别技术成本较低且方便，相比于虹膜、指纹等生物识别技术，人脸识别技术不需要额外专用的采集设备；(2)对待识别目标的配合需求程度较低，在很多场景下，不需要目标的主动配合。基于上述原因，人脸识别技术一直是计算机视觉领域研究的一个热门话题。

在人脸识别领域，受光照、面部表情、姿态和遮挡等影响，对于同一个人脸目标，其图像常常会产生很大差异，这常常会到导致人脸识别效率的下降和准确率的下降。为了提高识别精度，许多研究人员提出了不同的方法。其中，用于分类的稀疏表示(SRC)在机器学习和模式识别界引起了广泛的关注，特别是在人脸识别领域。典型的SRC方法包括两个主要步骤，第一步是稀疏表示(SR),在给定样本或数据点的情况下，SR利用部分或所有训练样本或数据点来线性表示该样本，这通常是基于一个或多个向量范数最小化，例如L₀,L₁,L₂范数最小化等，表示系数也是稀疏的即大多数表示系数是零或接近于零。其中，L₀范数最小化可以得到最稀疏的表示，而直接应用L₂范数最小化一般不能得到稀疏表示。

由于有限的存储容量和捕获图片的时间，实际的人脸识别系统往往只能获得少量的训练样本，因此，在人脸识别任务中，如何确定良好的人脸图像表示，一直是人们所关注的课题。良好的图像表示是取得良好图像分类的基础。对于不同的目标，使用图像的多种正确表示或描述可以有效地提高图像分类的准确率。因此，基于该思想，研究者们提出了许多新的原始图像表示方案，以作为对原始图像的补充，对传统的方法展现出了极大的优越性。

发明内容

为了解决上述人脸识别领域存在的实际样本少和实际图像易受光照遮挡等影响的问题，本发明提供一种用于人脸识别的虚拟图像生成和融合方法。该方法可以作为一种通用的方法来利用原始图像获得新的图像表示，易于实现且计算量小。并且它还比较好地提取了原始图像的低频空域特征，使得图像分类准确率有了较大的提高。

本发明主要由以下两个关键组成部分组成：(1)本发明提出一个虚拟图像生成算法，该算法重视原始图像中等强度像素区域的信息，有效提取了原始图像的低频空域特征；(2)本发明提出了一种虚拟图像融合算法，该算法能自适应平衡原始样本和虚拟样本的比重，使其可以更好地完成图像分类的任务。经过本发明大量的实验结果表明，本发明的方法生成的虚拟图像和原始图像在外观上有更大的不同，该方法生成的虚拟图像和其原始图像并不具备很高相关性，它们互为补充，为同一张人脸图像提供多种表示方法。并且，基于稀疏表示人脸识别的方法，本发明的虚拟图像和原始图像的融合方案，通过大量实验表明，提高了人脸识别的准确度，有效解决了上述存在的问题。

本发明一种用于人脸识别的虚拟图像生成和融合方法，由以下具体技术手段所达成：