一种武装人脸识别方法、系统、电子设备和可读存储介质技术方案

本发明专利技术给出了一种武装人脸识别方法、系统、电子设备和可读存储介质，属于图像处理技术领域，该方法包括：获取武装人脸待检测图像的各个通道矩阵，以提取出各个通道初始字典矩阵；随机产生各个通道的初始像素稀疏编码矩阵；对各个通道初始字典矩阵分别进行迭代更新，以确定各个通道字典矩阵；对各个通道的初始像素稀疏编码矩阵分别进行正交匹配处理；对各个通道的像素稀疏编码矩阵分别进行最大池化处理后进行列串联；对各个通道的块链接特征矩阵分别进行金字塔池化处理后进行列串联；将所述武装人脸特征输入到训练后的人脸识别模型中进行武装人脸识别。本发明专利技术在保证人脸识别的安全性前提下，实现了相似度高的军事武装人员的准确识别。员的准确识别。员的准确识别。

【技术实现步骤摘要】
一种武装人脸识别方法、系统、电子设备和可读存储介质


[0001]本专利技术属于图像处理
，尤其涉及一种武装人脸识别方法、系统、电子设备和可读存储介质。

技术介绍

[0002]近年来，由于人工智能的发展以及国家的需要，我国人脸识别市场不断扩大，技术水平不断发展。人脸识别也更多的出现在我们生活的点滴，例如每次高铁检票时的“刷脸”，在零售购物机前的“刷脸支付”等等。对于人脸识别技术，通常也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，主要用摄像机或摄像头采集含有人脸的图像或视频流，进而对检测到的人脸进行脸部的一系列相关技术。随着智能化时代的到来，这种技术越来越普及，也为我们人们的生产与生活带来了诸多智能、安全与便捷。
[0003]对于传统的人脸识别方法主要有以下几类。首先是最简单的人脸识别方法——基于几何特征的方法，该方法主要依赖于人脸的鼻子、嘴巴等重点部位的形状和位置来进行判别，相对比较直观，且计算量较少。但由于该方法所需的特征点无法精确选择，同时对于光照、遮挡、表情等因素引起的变化不具有很好的鲁棒性，限制了其在实际中的应用。第二是基于特征脸的人脸识别方法，其主要原理就是通过K
‑
L变化将图像做降维处理，使图像具有很好的位移不变性和稳定性。该方法虽然操作快速，能够节省时间，但是对于图像有着较高要求的相关性，存在一定的局限性。第三是基于模型匹配的方法，该方法将人脸图像与数据库中所有的模板记录进行对比，选取最相似的模板作为待处理图像的分类。但数据库中图片数量是有限的，不太适用于现实场景。并且，以上三种方法都需要对海量的数据进行标记，需要花费大量的时间和资源。深度学习的出现使得人脸识别技术取得了突破性的进展。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据，由于深度学习的训练机制，使得传统的人脸识别方法被依赖于卷积神经网络的深度学习所取代。
[0004]现有的人脸识别方法缺乏对像素不同通道的脆弱性的考虑，对人脸相似度高、外界干扰因素多且人脸迷彩的影响的情况，人脸识别准确度较低。

技术实现思路

[0005]本专利技术目的之一，在于提供一种武装人脸识别方法，该武装人脸识别方法能够在保证人脸识别的安全性前提下，实现了相似度高的军事武装人员的准确识别。
[0006]本专利技术目的之二，在于提供一种武装人脸识别系统。
[0007]本专利技术目的之三，在于提供一种电子设备。
[0008]本专利技术目的之四，在于提供一种可读存储介质。
[0009]为了达到上述目的之一，本专利技术采用如下技术方案实现：
[0010]一种武装人脸识别方法，所述武装人脸识别方法包括：
[0011]步骤S1、获取武装人脸待检测图像的各个通道矩阵，以提取出各个通道初始字典矩阵；
[0012]步骤S2、随机产生各个通道的初始像素稀疏编码矩阵；
[0013]步骤S3、基于所述各个通道矩阵和对应通道的初始像素稀疏编码矩阵，对所述各个通道初始字典矩阵分别进行迭代更新，以最终得到各个通道字典矩阵；
[0014]步骤S4、根据所述各个通道矩阵和对应通道字典矩阵，对所述各个通道的初始像素稀疏编码矩阵分别进行正交匹配处理，以得到各个通道的像素稀疏编码矩阵；
[0015]步骤S5、对所述各个通道的像素稀疏编码矩阵分别进行最大池化处理后进行列串联，得到各个通道的块链接特征矩阵；
[0016]步骤S6、对所述各个通道的块链接特征矩阵分别进行金字塔池化处理后进行列串联，以获取武装人脸特征；
[0017]步骤S7、将所述武装人脸特征输入到训练后的人脸识别模型中进行武装人脸识别。
[0018]进一步的，所述通道矩阵包括R通道矩阵、G通道矩阵和B通道矩阵；
[0019]所述通道初始字典矩阵包括R通道初始字典矩阵、G通道初始字典矩阵和B通道初始字典矩阵；
[0020]所述R通道矩阵、G通道矩阵和B通道矩阵均为a行b列的矩阵；
[0021]所述R通道初始字典矩阵、G通道初始字典矩阵和B通道初始字典矩阵均为a行k列的矩阵；
[0022]所述像素稀疏编码矩阵为k行b列的矩阵；所述a和b均大于等于k。
[0023]进一步的，在所述步骤S3中，所述迭代更新的具体过程包括：
[0024]步骤S31、设置每个通道初始字典矩阵中需要迭代更新的列向量对应的初始列号i＝1；
[0025]步骤S32、从所述每个通道初始字典矩阵中提取出除第i列向量之外的列向量，得到第一矩阵；并从对应通道的初始像素稀疏编码矩阵中提取出除第i行向量之外的行向量，得到第二矩阵；
[0026]步骤S33、将所述第一矩阵与所述第二矩阵相乘后，并计算对应通道矩阵与相乘结果之间的差，得到所述第i列向量对应的第一误差矩阵；
[0027]步骤S34、从所述初始像素稀疏编码矩阵中获取所述第i行向量中非0的列号，以从所述第一误差矩阵中提取与所述第i行向量中非0的列号相同的列向量，得到第二误差矩阵；
[0028]步骤S35、对所述第二误差矩阵进行奇异值分解，得到第1个奇异值、左奇异矩阵和右奇异矩阵；
[0029]步骤S36、将所述右奇异矩阵中第1行向量与所述第1个奇异值的乘积更新为所述初始像素稀疏编码矩阵中第i行向量，以计算所述通道矩阵和更新后的初始像素稀疏编码矩阵之间的差；
[0030]步骤S38、判断所述通道矩阵和更新后的初始像素稀疏编码矩阵之间的差是否小于第一阈值，如是，则将所述左奇异矩阵中第1列向量更新为所述通道初始字典矩阵中所述
第i列向量，并作为最终的通道字典矩阵，结束；如否，则令i＝i+1，进入步骤S39；
[0031]步骤S39、判断i是否小于等于k，如是，则返回步骤S32；如否，则结束；
[0032]其中，所述k为所述通道初始字典矩阵的列数。
[0033]进一步的，在所述步骤S4中，所述正交匹配处理的具体过程包括：
[0034]步骤S41、设置初始像素稀疏编码矩阵中需要更新的行向量对应的行号j＝1；
[0035]步骤S42、计算所述通道字典矩阵中每个列向量与所述通道矩阵中各个列向量的内积；
[0036]步骤S43、从所述通道字典矩阵中提取出最大内积对应的列向量，以构建通道字典子矩阵；
[0037]步骤S44、计算所述通道字典子矩阵的伪逆矩阵与对应通道矩阵的乘积，并将对应通道的初始像素稀疏编码矩阵中第j行向量更新为乘积结果；
[0038]步骤S45、计算所述通道字典子矩阵与更新后的初始像素稀疏编码矩阵中第j行向量的乘积，并计算所述通道矩阵与乘积之间的差；
[0039]步骤S46、判断所述通道矩阵与乘积之间的差是否小于第二阈值，如是，则将更新后的初始像素稀疏编码矩阵作为最终的像素稀疏编码矩阵，结束本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种武装人脸识别方法，其特征在于，所述武装人脸识别方法包括：步骤S1、获取武装人脸待检测图像的各个通道矩阵，以提取出各个通道初始字典矩阵；步骤S2、随机产生各个通道的初始像素稀疏编码矩阵；步骤S3、基于所述各个通道矩阵和对应通道的初始像素稀疏编码矩阵，对所述各个通道初始字典矩阵分别进行迭代更新，以最终得到各个通道字典矩阵；步骤S4、根据所述各个通道矩阵和对应通道字典矩阵，对所述各个通道的初始像素稀疏编码矩阵分别进行正交匹配处理，以得到各个通道的像素稀疏编码矩阵；步骤S5、对所述各个通道的像素稀疏编码矩阵分别进行最大池化处理后进行列串联，得到各个通道的块链接特征矩阵；步骤S6、对所述各个通道的块链接特征矩阵分别进行金字塔池化处理后进行列串联，以获取武装人脸特征；步骤S7、将所述武装人脸特征输入到训练后的人脸识别模型中进行武装人脸识别。2.根据权利要求1所述的武装人脸识别方法，其特征在于，所述通道矩阵包括R通道矩阵、G通道矩阵和B通道矩阵；所述通道初始字典矩阵包括R通道初始字典矩阵、G通道初始字典矩阵和B通道初始字典矩阵；所述R通道矩阵、G通道矩阵和B通道矩阵均为a行b列的矩阵；所述R通道初始字典矩阵、G通道初始字典矩阵和B通道初始字典矩阵均为a行k列的矩阵；所述像素稀疏编码矩阵为k行b列的矩阵；所述a和b均大于等于k。3.根据权利要求2所述的武装人脸识别方法，其特征在于，在所述步骤S3中，所述迭代更新的具体过程包括：步骤S31、设置每个通道初始字典矩阵中需要迭代更新的列向量对应的初始列号i＝1；步骤S32、从所述每个通道初始字典矩阵中提取出除第i列向量之外的列向量，得到第一矩阵；并从对应通道的初始像素稀疏编码矩阵中提取出除第i行向量之外的行向量，得到第二矩阵；步骤S33、将所述第一矩阵与所述第二矩阵相乘后，并计算对应通道矩阵与相乘结果之间的差，得到所述第i列向量对应的第一误差矩阵；步骤S34、从所述初始像素稀疏编码矩阵中获取所述第i行向量中非0的列号，以从所述第一误差矩阵中提取与所述第i行向量中非0的列号相同的列向量，得到第二误差矩阵；步骤S35、对所述第二误差矩阵进行奇异值分解，得到第1个奇异值、左奇异矩阵和右奇异矩阵；步骤S36、将所述右奇异矩阵中第1行向量与所述第1个奇异值的乘积更新为所述初始像素稀疏编码矩阵中第i行向量，以计算所述通道矩阵和更新后的初始像素稀疏编码矩阵之间的差；步骤S38、判断所述通道矩阵和更新后的初始像素稀疏编码矩阵之间的差是否小于第一阈值，如是，则将所述左奇异矩阵中第1列向量更新为所述通道初始字典矩阵中所述第i列向量，并作为最终的通道字典矩阵，结束；如否，则令i＝i+1，进入步骤S39；步骤S39、判断i是否小于等于k，如是，则返回步骤S32；如否，则结束；
其中，所述k为所述通道初始字典矩阵的列数。4.根据权利要求3所述的武装人脸识别方法，其特征在于，在所述步骤S4中，所述正交匹配处理的具体过程包括：步骤S41、设置初始像素稀疏编码矩阵中需要更新的行向量对应的行号j＝1；步骤S42、计算所述通道字典矩阵中每个列向量与所述通道矩阵中各个列向量的内积；步骤S43、从所述通道字典矩阵中提取出最大内积对应的列向量，以构建通道字典子矩阵；步骤S44、计算所述通道字典子矩阵的伪逆矩阵与对应通道矩阵的乘积，并将对应通道的初始像素稀疏编码矩阵中第j行向量更新为乘积结果；步骤S45、计算所述通道字典子矩阵与更新后的初始像素稀疏编码矩阵中第j行向量的乘积，并计算所述通道矩阵与乘积之间的差；步骤S46、判断所述通道矩阵与乘积之间的差是否小于第二阈值，如是，则将更新后的初始像素稀疏编码矩阵作为最终的像素稀疏编码矩阵，结束；如否，则令j＝j+1，进入步骤S47；步骤S47、判断j是否小于等于k，如是，则返回步骤S44；如否，则结束；所述k为所述通道初始字典矩阵的列数。5.一种武装人脸识别系统，其特征在于，所述武装人脸识别系统包括...

【专利技术属性】
技术研发人员：杨星，陈晋音，王阳阳，郑海斌，谢欣怡，穆华，朱东涛，梁振宇，许颢砾，高皓琪，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：