專利名稱：一種人臉識別方法
技術領域：
本發(fā)明屬于人臉識別技術領域，尤其涉及一種人臉識別方法。
背景技術：
人臉識別具有重大的理論意義和應用價值，是近年來國內(nèi)外研究的熱點。人臉識別的研究對于圖像處理、模式識別、計算機視覺、計算機圖形學等領域的發(fā)展具有重大的推動作用，同時在生物特征認證、出入管理、視頻監(jiān)控等各個領域也有著廣泛的應用。雖然人們對于人臉識別的研究已經(jīng)取得了豐碩的成果，但這些方法仍然受到實際應用環(huán)境的限制。這些限制一方面主要來自于人臉自身的變化，如面部表情、姿態(tài)、位置的變化和遮蓋物的影響，另一方面來自于攝影環(huán)境的變化，如人臉圖像攝影環(huán)境的光照、背景等大幅度的變化。因此提高系統(tǒng)對人臉自身及攝影環(huán)境變化等的魯棒性、并且可以實現(xiàn)在海量圖像數(shù)據(jù)源中高速準確地圖像匹配是人臉識別領域的難點和關鍵。如果人臉識別系統(tǒng)具有自學習與白適應能力，就可以適應各自不同的攝影環(huán)境， 因此，在線學習可以提高系統(tǒng)對復雜多變攝影環(huán)境的魯棒性及白適應性。在線學習是提高系統(tǒng)對樣本自身及環(huán)境無規(guī)則變化魯棒性的一種有效方法。但現(xiàn)有結果中，針對神經(jīng)網(wǎng)絡在海量圖像數(shù)據(jù)源中的自主在線學習問題還沒有報道。另外，如何在線采集有效的訓練樣本是影響在線學習性能的重要問題，對提高分類器對環(huán)境變化的白適應性及魯棒性起到關鍵性的作用，針對如何采集有效的用于在線學習的訓練樣本問題目前還沒見報道。

發(fā)明內(nèi)容
針對上述背景技術中提到現(xiàn)有人臉識別系統(tǒng)不能在線學習、魯棒性不強等不足， 本發(fā)明提出了一種人臉識別方法。本發(fā)明的技術方案是，一種人臉識別方法，其特征是該方法包括以下步驟步驟1 通過指定方法提取人臉特征并組成訓練樣本集，按人臉特征對訓練樣本集進行分組；步驟2 在步驟1的基礎上建立并行神經(jīng)網(wǎng)絡；步驟3 對并行神經(jīng)網(wǎng)絡的輸出進行綜合，得到最終識別結果；步驟4 根據(jù)人腦記憶更新模型對訓練樣本進行更新。所述指定方法為模糊均值聚類法。所述步驟4包括以下步驟步驟4. 1 將采集到的輸入樣本輸入瞬時記憶空間，根據(jù)最終的分類器的輸出值， 找到指定的輸入樣本，并將其送入短時記憶空間；步驟4.2 當輸送到短時記憶空間的輸入樣本與短時記憶空間的現(xiàn)有樣本匹配時，產(chǎn)生再激勵，從而得到該輸入樣本的記憶存儲量和記憶保持系數(shù)；當記憶保持系數(shù)大于指定閾值時，該輸入樣本被送入長時記憶空間；當記憶保持系數(shù)小于指定閾值時，該輸入樣本被遺忘；
步驟4.3 當輸入樣本進入長時記憶空間時，計算該輸入樣本的光照映射圖，進而得到輸入樣本的光照類型，并用該輸入樣本替換原有數(shù)據(jù)庫中同一光照類型的訓練樣本。所述記憶保持系數(shù)的計算公式為
權利要求
1.一種人臉識別方法，其特征是該方法包括以下步驟步驟1 通過指定方法提取人臉特征并組成訓練樣本集，按人臉特征對訓練樣本集進行分組；步驟2 在步驟1的基礎上建立并行神經(jīng)網(wǎng)絡；步驟3 對并行神經(jīng)網(wǎng)絡的輸出進行綜合，得到最終識別結果；步驟4 根據(jù)人腦記憶更新模型對訓練樣本進行更新。
2.根據(jù)權利要求1所述的一種人臉識別方法，其特征是所述指定方法為模糊均值聚類法。
3.根據(jù)權利要求1所述的一種人臉識別方法，其特征是所述步驟4包括以下步驟 步驟4. 1 將采集到的輸入樣本輸入瞬時記憶空間，根據(jù)最終的分類器的輸出值，找到指定的輸入樣本，并將其送入短時記憶空間；步驟4.2 當輸送到短時記憶空間的輸入樣本與短時記憶空間的現(xiàn)有樣本匹配時，產(chǎn)生再激勵，從而得到該輸入樣本的記憶存儲量和記憶保持系數(shù)；當記憶保持系數(shù)大于指定閾值時，該輸入樣本被送入長時記憶空間；當記憶保持系數(shù)小于指定閾值時，該輸入樣本被遺忘；步驟4. 3 當輸入樣本進入長時記憶空間時，計算該輸入樣本的光照映射圖，進而得到輸入樣本的光照類型，并用該輸入樣本替換原有數(shù)據(jù)庫中同一光照類型的訓練樣本。
4.根據(jù)權利要求3所述的一種人臉識別方法，其特征是所述記憶保持系數(shù)的計算公式為
5.根據(jù)權利要求3所述的一種人臉識別方法，其特征是所述記憶存儲量的計算公式為λη = 啦乂-1)其中λ 為記憶存儲量； κ為自然衰減系數(shù)。
6.根據(jù)權利要求4所述的一種人臉識別方法，其特征是所述δη的計算公式為Sn= 1-入 。
全文摘要
本發(fā)明公開了人臉識別技術領域中的一種人臉識別方法。首先，通過模糊均值聚類法提取人臉特征并組成訓練樣本集，按人臉特征對訓練樣本集進行分組；然后，建立并行神經(jīng)網(wǎng)絡，對并行神經(jīng)網(wǎng)絡的輸出進行綜合，得到最終的識別結果；分類器在識別過程中對訓練樣本進行更新。本發(fā)明解決了傳統(tǒng)的神經(jīng)網(wǎng)絡在處理海量圖像數(shù)據(jù)源時識別速度慢，識別精度低等問題，提高了系統(tǒng)的自適應能力。
文檔編號G06K9/66GK102339384SQ20111027497
公開日2012年2月1日 申請日期2011年9月16日 優(yōu)先權日2011年9月16日
發(fā)明者張原 , 袁雪, 魏學業(yè) 申請人:北京交通大學