[发明专利]基于低秩变异字典和稀疏表示分类的人脸伪装检测及伪装类别检测方法

摘要

本发明公开了一种基于低秩变异字典和稀疏表示分类的人脸伪装检测和识别方法，包括以下步骤：利用低秩分解出的稀疏部分构造变异字典库。变异字典库包含眼镜伪装和口罩伪装。对用户提交的检索图像进行低秩分解，得到低秩部分和稀疏部分，对检索图像的稀疏部分，计算伪装检测指标的值，如果伪装检测指标的值大于给定的阈值，检索图像判定为没有伪装；小于给定的阈值，检索图像判定为有伪装，再进行下一步识别是哪一种伪装，用构造好的变异字典库对待检测的伪装进行稀疏表示，用重建误差作为分类准则，检测是哪一种伪装并对伪装进行去除。

主权项

1.人脸伪装检测方法，包括以下步骤：

STP1、假设有k类训练图像，将每类训练图像的每一幅人脸图像拉成一个向量：

M1＝[M1₁,M1₂,…,M1_l].

第i类不带遮挡训练图像记为：

M1_i＝[u_i1,u_i2,…,u_in].

第i类中带伪装的一幅图像记为：

M_i＝[M1_i,M2_i]，M2_i＝q_i；

STP2、低秩分解构造变异字典：

M_i＝L_i+A_i，

其中L_i表示低秩矩阵，A_i表示稀疏误差矩阵，

A_i＝[A_i1,a_i]，B＝[A_i1,…,A_ik]，

其中B表示不带伪装的稀疏误差矩阵，a_i即为第i带伪装的变异字典，

STP3、构造优化模型：

其中||·||₀表示非零元素的个数；

STP4、将步骤STP3中优化模型松弛为如下凸优化问题：

其中，||M||_*＝∑_iσ_i(M)，||M||₁＝∑_ij|M_ij|，参数λ的取值一般为其中m表示图像维数，n表示样本数；

STP5、对于每类带遮挡的稀疏误差成分a_i，反复进行STP1、‑STP4，直到所有类别结束，得到变异字典库：

A＝[a₁,…,a_s,a_s+1,…,a_l]

其中l表示变异的字典类别个数；

STP6、对用户提交的人脸检测图像Q进行低秩分解，得到对应的检测图像的低秩部分E和稀疏部分y，对检索图像的稀疏部分y计算伪装检测指标DDI_Q值，

其中D＝[A,B]，A变异字典库，A＝[a₁,…,a_s,a_s+1,…,a_l]，B表示不带伪装的稀疏误差矩阵，B＝[A_i1,…,A_ik]

其中，n是向量x的维度，|| ||₁是向量的一范数，|| ||₂是二范数，sparseness(x)∈[0,1]，当x仅有一个非零元素时，sparseness(x)＝1，当所有元素都不为零且相等时，sparseness(x)＝0，值越大表示向量的稀疏度越高；

STP7、比较DDI_Q与预设值τ，如果DDI_Q≥τ，图像判定为没有伪装，如果DDI_Q＜τ，图像判定为有伪装，其中τ为阈值。

2.基于权利要求1所述的人脸伪装监测方法的人脸伪装识别方法，其特征在于，对于人脸检测图像对应的稀疏部分y用构造好的变异字典库A进行稀疏表示：

y'＝Aα₀+z

y′＝α₁a₁+…+α_sa_s+α_s+1a_s+1+…+α_la_l+z

其中α₀＝[α₁,α₂…,α_l]中只有与y同类的相关的系数不为0，z是噪声。

用重建误差作为稀疏表示分类准则检测是哪一种伪装y'＝arg min_i{r_i}，其中δ_i:Rⁿ→Rⁿ是特征函数(与第i类相关的系数)，x₀是稀疏系数向量。

3.根据权利要求2所述人脸伪装识别方法，对于有伪装的人脸图像Q去除伪装，用已有的图像库中的不带伪装的图像M1去除伪装后的图像y₂，

y₂＝M1β₀+z，

用重建误差作为分类准则