[发明专利]一种耦合步态特征的低分辨率人脸识别方法

说明书

技术领域

本发明涉及一种耦合步态特征的低分辨率人脸识别方法，属于模式识别技术领域。

背景技术

远距离下的低分辨率人脸识别是生物特征识别技术中具有挑战性的研究问题之一，由于低分辨率人脸图像只可提供较为有限的信息，从而导致人脸识别的识别性能很差。一种提高识别精度的潜在方法就是通过低分辨率人脸图像重建出高分辨率的人脸图像，文献[1]提出的一种基于流形对齐的超分辨率实现方法可提高人脸图像的分辨率。黄华等人[2]使用典型相关分析建立了低分辨人脸图像和高分辨率人脸图像的一致子空间，然后在高分辨率人脸图像特征和低分辨率人脸图像特征的两个空间之间找到径向基函数映射关系，那么，在识别阶段采用训练得到的径向基函数模型计算待测试低分辨人脸图像对应的超分辨率人脸图像可完成人脸识别任务。但是，现有的大部分超分辨率算法在处理低分辨率人脸识别问题上并不奏效，原因是低分辨人脸图像特征空间的相似性很难反映到高分辨率图像特征空间中真实的相似性[3]。Li等人[4]提出了一种耦合局部保留映射算法用于低分辨率人脸识别，它可避免任何超分辨率的预处理。对于低分辨率的人脸识别问题，研究者们往往仅关注人脸本身的特征，而忽略其它的相关生物特征，特别是远距离下的低分率人脸识别，人脸所能提供的特征信息量微乎其微，将其它特征与低分辨率人脸特征构成联系以达到人脸识别的目的势在必行。

1.Li，B.，Chang，H.，Shah，S.G.，and Chen，X.L.：’Aligning Coupled Manifolds for Face Hallucination’.IEEE Signal Processing Letters，2009，16，(11)，pp.957-960

2.Huang，H.，and He，H.T.：’Super-Resolution Method for Face Recognition Using Nonlinear Mappings on Coherent Features’，IEEE Transaction on Neural Networks，2011，22，(1)，pp.121-130

3.Zou，W.，and Yuen，P.：’Very Low Resolution Face Recognition Problem’，IEEE Transactions on Image Processing，doi：10.1109/TIP.2011.2162423

4.Li，B.，Chang，H.，Shan，S.G.，and Chen，X.L.：’Low-Resolution Face Recognition via Coupled Locality Preserving Mappings’.IEEE SignalProcessing Letters，2010，17，(1)，pp.20-23

发明内容

针对现有技术的不足，本发明提供一种耦合步态特征的低分辨率人脸识别方法。

在远距离的低分辨率人脸问题上，将步态特征和低分辨率人脸图像特征构成联系，并耦合映射到同一空间中，用步态特征去约束、学习得到更为丰富的人脸信息，最终完成低分辨率人脸识别的任务。

本发明的目的是这样实现的：

一种耦合步态特征的低分辨率人脸识别方法，包括训练和识别阶段；训练阶段的方法为，首先，将所有低分辨率人脸、步态图像样本分别都转换到向量空间上，然后采用内积形式计算人脸和步态特征的核变换特征并对该特征进行修正，再将表示同一个体的低分辨率人脸图像和步态图像构成样本对，使得不同集合下的同一样本对足够近，并且保留数据局部结构的本质几何特性，建立目标优化模型，然后将目标函数转化成“迹”的形式后转换成广义特征分解，得到对于低分辨率人脸图像和步态图像的两个不同的变换矩阵，最后将低分辨率人脸图像和步态图像分别投影到这两个空间中，得到低分辨率人脸特征和步态特征，并把步态特征作为注册样本集；识别阶段的方法是：由测试样本向核空间的投影转换过程和匹配组成；实现方法为：测试的低分辨率人脸图像样本首先向量化，再经核变换由向量空间映射到核高维空间，样本匹配时在注册样本集中采用最近邻分类器来预测测试样本所属的类别。

所述的采用内积形式计算人脸和步态特征的核变换特征并对该特征进行修正，是根据以下公式进行的：