一种人脸识别方法技术

本发明专利技术公开了人脸识别技术领域中的一种人脸识别方法。首先，通过模糊均值聚类法提取人脸特征并组成训练样本集，按人脸特征对训练样本集进行分组；然后，建立并行神经网络，对并行神经网络的输出进行综合，得到最终的识别结果；分类器在识别过程中对训练样本进行更新。本发明专利技术解决了传统的神经网络在处理海量图像数据源时识别速度慢，识别精度低等问题，提高了系统的自适应能力。

【技术实现步骤摘要】

本专利技术属于人脸识别
，尤其涉及。
技术介绍
人脸识别具有重大的理论意义和应用价值，是近年来国内外研究的热点。人脸识别的研究对于图像处理、模式识别、计算机视觉、计算机图形学等领域的发展具有重大的推动作用，同时在生物特征认证、出入管理、视频监控等各个领域也有着广泛的应用。虽然人们对于人脸识别的研究已经取得了丰硕的成果，但这些方法仍然受到实际应用环境的限制。这些限制一方面主要来自于人脸自身的变化，如面部表情、姿态、位置的变化和遮盖物的影响，另一方面来自于摄影环境的变化，如人脸图像摄影环境的光照、背景等大幅度的变化。因此提高系统对人脸自身及摄影环境变化等的鲁棒性、并且可以实现在海量图像数据源中高速准确地图像匹配是人脸识别领域的难点和关键。如果人脸识别系统具有自学习与白适应能力，就可以适应各自不同的摄影环境， 因此，在线学习可以提高系统对复杂多变摄影环境的鲁棒性及白适应性。在线学习是提高系统对样本自身及环境无规则变化鲁棒性的一种有效方法。但现有结果中，针对神经网络在海量图像数据源中的自主在线学习问题还没有报道。另外，如何在线采集有效的训练样本是影响在线学习性能的重要问题，对提高分类器对环境变化的白适应性及鲁棒性起到关键性的作用，针对如何采集有效的用于在线学习的训练样本问题目前还没见报道。
技术实现思路
针对上述
技术介绍
中提到现有人脸识别系统不能在线学习、鲁棒性不强等不足， 本专利技术提出了。本专利技术的技术方案是，，其特征是该方法包括以下步骤步骤1 通过指定方法提取人脸特征并组成训练样本集，按人脸特征对训练样本集进行分组；步骤2 在步骤1的基础上建立并行神经网络；步骤3 对并行神经网络的输出进行综合，得到最终识别结果；步骤4 根据人脑记忆更新模型对训练样本进行更新。所述指定方法为模糊均值聚类法。所述步骤4包括以下步骤步骤4. 1 将采集到的输入样本输入瞬时记忆空间，根据最终的分类器的输出值， 找到指定的输入样本，并将其送入短时记忆空间；步骤4.2 当输送到短时记忆空间的输入样本与短时记忆空间的现有样本匹配时，产生再激励，从而得到该输入样本的记忆存储量和记忆保持系数；当记忆保持系数大于指定阈值时，该输入样本被送入长时记忆空间；当记忆保持系数小于指定阈值时，该输入样本被遗忘；步骤4.3 当输入样本进入长时记忆空间时，计算该输入样本的光照映射图，进而得到输入样本的光照类型，并用该输入样本替换原有数据库中同一光照类型的训练样本。所述记忆保持系数的计算公式为权利要求1.，其特征是该方法包括以下步骤步骤1 通过指定方法提取人脸特征并组成训练样本集，按人脸特征对训练样本集进行分组；步骤2 在步骤1的基础上建立并行神经网络；步骤3 对并行神经网络的输出进行综合，得到最终识别结果；步骤4 根据人脑记忆更新模型对训练样本进行更新。2.根据权利要求1所述的，其特征是所述指定方法为模糊均值聚类法。3.根据权利要求1所述的，其特征是所述步骤4包括以下步骤 步骤4. 1 将采集到的输入样本输入瞬时记忆空间，根据最终的分类器的输出值，找到指定的输入样本，并将其送入短时记忆空间；步骤4.2 当输送到短时记忆空间的输入样本与短时记忆空间的现有样本匹配时，产生再激励，从而得到该输入样本的记忆存储量和记忆保持系数；当记忆保持系数大于指定阈值时，该输入样本被送入长时记忆空间；当记忆保持系数小于指定阈值时，该输入样本被遗忘；步骤4. 3 当输入样本进入长时记忆空间时，计算该输入样本的光照映射图，进而得到输入样本的光照类型，并用该输入样本替换原有数据库中同一光照类型的训练样本。4.根据权利要求3所述的，其特征是所述记忆保持系数的计算公式为5.根据权利要求3所述的，其特征是所述记忆存储量的计算公式为λη = 啦乂-1)其中λ 为记忆存储量； κ为自然衰减系数。6.根据权利要求4所述的，其特征是所述δη的计算公式为Sn= 1-入 。全文摘要本专利技术公开了人脸识别
中的。首先，通过模糊均值聚类法提取人脸特征并组成训练样本集，按人脸特征对训练样本集进行分组；然后，建立并行神经网络，对并行神经网络的输出进行综合，得到最终的识别结果；分类器在识别过程中对训练样本进行更新。本专利技术解决了传统的神经网络在处理海量图像数据源时识别速度慢，识别精度低等问题，提高了系统的自适应能力。文档编号G06K9/66GK102339384SQ20111027497公开日2012年2月1日 申请日期2011年9月16日 优先权日2011年9月16日专利技术者张原 , 袁雪, 魏学业 申请人:北京交通大学本文档来自技高网...

【技术保护点】
１．一种人脸识别方法，其特征是该方法包括以下步骤：步骤１：通过指定方法提取人脸特征并组成训练样本集，按人脸特征对训练样本集进行分组；步骤２：在步骤１的基础上建立并行神经网络；步骤３：对并行神经网络的输出进行综合，得到最终识别结果；步骤４：根据人脑记忆更新模型对训练样本进行更新。

【技术特征摘要】

【专利技术属性】
技术研发人员：袁雪，魏学业，张原，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：11