一種基于特征學(xué)習(xí)的跨年齡人臉驗證方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種人臉驗證方法，具體設(shè)及一種跨年齡的人臉驗證方法，尤其是基 于特征學(xué)習(xí)的跨年齡人臉驗證方法。
【背景技術(shù)】
[0002] 人臉，作為識別一個人最顯著的區(qū)域，被廣泛地應(yīng)用于各種場合的身份識別。一般 來說，人臉的識別方法包括四個步驟；人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特 征提取、人臉匹配與驗證。通常使用一些人工設(shè)定的特征描述子，例如LBP、SIFT和G油or 等，來表示人臉數(shù)據(jù)，利用余弦距離來度量一對圖像的相似度，從而實現(xiàn)判斷驗證。
[0003] 但是隨著年齡的增長，人的臉部會不可避免地產(chǎn)生變化。在一些場合，只是一個人 不同年齡段的照片，例如只有十幾年前的照片，需要將備選人員的頭像與已有的線索進(jìn)行 比對驗證，W達(dá)到目的，該就要求進(jìn)行跨年齡人臉驗證。所謂跨年齡人臉驗證，就是給定一 些不同年齡段的人臉圖像，判定該些人臉圖像是否屬于同一個人。如果人臉驗證方法能夠 應(yīng)對人臉隨著年齡的增長而產(chǎn)生的變化，在檔案管理系統(tǒng)、安全驗證系統(tǒng)、公安系統(tǒng)的罪犯 身份識別、銀行和海關(guān)的監(jiān)控等領(lǐng)域，將具有廣闊的應(yīng)用前景。
[0004] 為了實現(xiàn)跨年齡驗證，大多數(shù)傳統(tǒng)的方法是對年齡進(jìn)行建模，通過設(shè)計人臉成長 模型來進(jìn)行跨年齡的人臉驗證。然而，該類方法往往需要依賴先驗，比如說個體的實際年 齡，而并不是所有數(shù)據(jù)集都能夠提供年齡信息。
[0005] 深度學(xué)習(xí)方法模擬人腦的層次處理結(jié)構(gòu)，W簡潔的表達(dá)方式刻畫數(shù)據(jù)豐富的內(nèi)在 信息，它是一種高度非線性的模型，具有超強的數(shù)據(jù)擬合能力和學(xué)習(xí)能力，表達(dá)能力更強， 更能刻畫數(shù)據(jù)豐富的內(nèi)在信息。深度網(wǎng)絡(luò)可W無監(jiān)督地從數(shù)據(jù)中學(xué)習(xí)到特征，該種方式學(xué) 習(xí)到的特征也符合人類感知世界的機理，而且通過深度學(xué)習(xí)方法學(xué)習(xí)到的特征往往具有一 定的語義特征。中國發(fā)明專利申請CN104573679A公開了一種監(jiān)控場景下基于深度學(xué)習(xí)的 人臉識別系統(tǒng)，包括視頻采集單元、人臉檢測單元、匹配顯示單元、存儲單元，其中，檢測單 元中設(shè)置有人臉差別模塊，人臉差別模塊利用深度學(xué)習(xí)模塊建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行人臉 判別，該深度學(xué)習(xí)模塊為5層神經(jīng)網(wǎng)絡(luò)層。該方法試圖利用深度學(xué)習(xí)方法實現(xiàn)人臉的快速 識別，但是采用5層神經(jīng)網(wǎng)絡(luò)層難W達(dá)到預(yù)期目標(biāo)，因此，該公開文件中并未能提供識別準(zhǔn) 確率的評估數(shù)據(jù)。
[0006] 就人臉驗證中最關(guān)鍵的步驟特征提取而言，目前主要存在兩個問題： 1、人臉圖像的單調(diào)性。目前已知的大量人臉數(shù)據(jù)集中，人臉圖像往往是比較單調(diào)的，而 且目前大多數(shù)方法都是在單尺度上做的，該樣提取的特征往往不夠豐富，不足W表征人臉。
[0007] 2、另一個值得關(guān)注的問題就是特征的獲取。傳統(tǒng)的人臉驗證采用的都是手工設(shè)計 的特征，該種特征針對性比較高，但是一般都是低層特征，往往不包含語義信息，而且泛化 能力不強。隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)量也越來越大，如何自動地獲取特征成為一個值得 研究的課題。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的發(fā)明目的是提供一種基于特征學(xué)習(xí)的跨年齡人臉驗證方法，W提高跨年 齡人臉驗證的準(zhǔn)確率。
[0009] 為達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是：一種基于特征學(xué)習(xí)的跨年齡人 臉驗證方法，包括如下步驟： (1) 獲取待對比的兩幅人臉圖像； (2) 利用人臉特征點定位的方法對兩幅人臉圖像進(jìn)行對齊操作； (3) 分別對每幅圖像進(jìn)行特征提取，所述特征提取為： ① 通過深度卷積神經(jīng)網(wǎng)絡(luò)自動提取高層語義特征； ② 計算圖像的LBP直方圖特征； ⑨將①和②中獲得的特征進(jìn)行融合，得到圖像的特征，表達(dá)為特征向量；該里采用的融 合方法是將兩部分的特征向量連接成一個特征向量。
[0010] (4)采用余弦相似度方法計算步驟（3)獲得的兩幅圖像的特征向量之間的距離， 據(jù)此判斷兩幅圖像是否來自同一人。
[0011] 優(yōu)選的技術(shù)方案，步驟（2)中，采用Flandmark方法進(jìn)行對齊操作。
[0012] 上述技術(shù)方案中，所述深度卷積神經(jīng)網(wǎng)絡(luò)由下列各層依次構(gòu)成；輸入層、第一卷積 層、第一最大池化層、第二卷積層、第二最大池化層、第=卷積層、第=最大池化層、第四卷 積層、全連接層、輸出層。
[0013] 其中，所述第一卷積層設(shè)有20個卷積核大小為4X4波器，第一最大池化層，池化 的步長為2,第二卷積層設(shè)有40個卷積核大小為3X3的濾波器，第二最大池化層，池化步長 為2,第=卷積層設(shè)有60個卷積核大小為4X4的濾波器，第=最大池化層，池化步長為2， 第四卷積層設(shè)有60個卷積核大小為3X3的濾波器。
[0014] 上述技術(shù)方案中，所述輸出層中設(shè)置有一個K類的softmax分類器，K為要分類的 數(shù)目。
[0015]LBP直方圖特征的計算方法是，給定一幅圖像I，圖像I的金字塔表示為： G4- (/)二/托y:時-仁〇，...朵儀口戶[1托:奪托y)]，其中澤托y)是高斯 核，k是金字塔的層數(shù)；G表示得到的圖像金字塔，（x，y)表示像素的位置。
[0016] 對于金字塔的每一層分成8X8的塊，每個塊統(tǒng)計LBP直方圖，將每個塊的LBP直 方圖連接成一個向量，圖像的LBP金字塔表示為： ￡(/0)二[JL及巧凸巧G|(J)):,..:.￡巧巧&(/化，其中，L(I) 是對圖像進(jìn)行映射的一個表述。
[0017] 余弦相似度計算方法為，
【主權(quán)項】
1. 一種基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于，包括如下步驟： (1) 獲取待對比的兩幅人臉圖像； (2) 利用人臉特征點定位的方法對兩幅人臉圖像進(jìn)行對齊操作； (3) 分別對每幅圖像進(jìn)行特征提取，所述特征提取為： ① 通過深度卷積神經(jīng)網(wǎng)絡(luò)自動提取高層語義特征； ② 計算圖像的LBP直方圖特征； ③ 將①和②中獲得的特征進(jìn)行融合，得到圖像的特征，表達(dá)為特征向量； (4) 采用余弦相似度方法計算步驟（3)獲得的兩幅圖像的特征向量之間的距離，據(jù)此 判斷兩幅圖像是否來自同一人。
2. 根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：步驟 (2) 中，采用Flandmark方法進(jìn)行對齊操作。
3. 根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：所述深 度卷積神經(jīng)網(wǎng)絡(luò)由下列各層依次構(gòu)成：輸入層、第一卷積層、第一最大池化層、第二卷積層、 第二最大池化層、第三卷積層、第三最大池化層、第四卷積層、全連接層、輸出層。
4. 根據(jù)權(quán)利要求3所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：所述第 一卷積層設(shè)有20個卷積核大小為4 X 4波器，第一最大池化層，池化的步長為2,第二卷積層 設(shè)有40個卷積核大小為3 X 3的濾波器，第二最大池化層，池化步長為2,第三卷積層設(shè)有 60個卷積核大小為4X4的濾波器，第三最大池化層，池化步長為2,第四卷積層設(shè)有60個 卷積核大小為3X3的濾波器。
5. 根據(jù)權(quán)利要求3所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：所述輸 出層中設(shè)置有一個K類的softmax分類器，K為要分類的數(shù)目。
6. 根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征 在于：LBP直方圖特征的計算方法是，給定一幅圖像I，圖像I的金字塔表示為：
，其中.(Xy)是高斯 核，k是金字塔的層數(shù)；G表示得到的圖像金字塔，（X，y)表示像素的位置； 對于金字塔的每一層分成8X8的塊，每個塊統(tǒng)計LBP直方圖，將每個塊的LBP直方圖 連接成一個向量，圖像的LBP金字塔表示為：
其中，L (I) 是對圖像進(jìn)行映射的一個表述。
7. 根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：步驟 (3) 之③中，融合的方法是將兩部分的特征向量連接成一個特征向量。
8. 根據(jù)權(quán)利要求1所述的基于特征學(xué)習(xí)的跨年齡人臉驗證方法，其特征在于：余弦相 似度計算方法為，
圖像i的特征向量為 圖像j的特征向量為 式中，η為特征的個數(shù)，l+rm為圖像i的第η個特征，為圖像j的第η個特征； 圖像i和圖像j的特征向量之間的余弦相似度計算公式為：
，k為特征向量中特征的序號。
【專利摘要】本發(fā)明公開了一種基于特征學(xué)習(xí)的跨年齡人臉驗證方法，包括如下步驟：(1)獲取待對比的兩幅人臉圖像；(2)利用人臉特征點定位的方法對兩幅人臉圖像進(jìn)行對齊操作；(3)分別對每幅圖像進(jìn)行特征提取，方法為：①通過深度卷積神經(jīng)網(wǎng)絡(luò)自動提取高層語義特征；②計算圖像的LBP直方圖特征；③將①和②中獲得的特征進(jìn)行融合，表達(dá)為特征向量；(4)采用余弦相似度方法計算步驟(3)獲得的兩幅圖像的特征向量之間的距離，據(jù)此判斷兩幅圖像是否來自同一人。本發(fā)明首次將深度網(wǎng)絡(luò)應(yīng)用到跨年齡人臉驗證，同時創(chuàng)造性地將手工設(shè)計的LBP直方圖特征與深度網(wǎng)絡(luò)自主學(xué)習(xí)的特征進(jìn)行融合，實現(xiàn)高層語義特征與低層特征的互補，具有更好的準(zhǔn)確率。
【IPC分類】G06K9-00
【公開號】CN104866829
【申請?zhí)枴緾N201510270145
【發(fā)明人】王朝暉, 翟歡歡, 劉純平, 季怡, 龔聲蓉, 葛瑞
【申請人】蘇州大學(xué)
【公開日】2015年8月26日
【申請日】2015年5月25日