(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111645335.5 (22)申请日 2021.12.3 0 (71)申请人 郑州工程 技术学院 地址 450044 河南省郑州市惠济区英才街 18号 (72)发明人 潘力　吴庆　张琪　庞进丽　张莹　 许爽　郭凯　 (74)专利代理 机构 河南豫龙律师事务所 41 177 代理人 王长坤 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/54(2022.01) G06V 10/74(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01)G06K 9/62(2022.01) (54)发明名称 基于迭代训练模型进行光照下人脸识别的 方法、 装置、 设备及存 储介质 (57)摘要 本申请实施例公开了一种基于迭代训练模 型进行光照下人脸识别的方法、 装置、 设备及存 储介质， 属于 人脸识别技术领域， 该方法包括:获 取训练图集； 基于预设循环迭代模 型对训练图集 中图像进行迭代降维处理； 第一灰度矩阵获取， 获取(xn,yn,zn)个小灰度矩阵； 获取每一个小灰 度矩阵的协方差矩阵； 获取每一个协方差矩阵对 应的LBF纹理特征， 以及LBF纹理特征值以及所对 应的特征向量； 获取训练图集中图像的特征矩阵 和特征值； 实时获取测试图像， 获取测试图像的 特征值； 基于余弦相似度算法， 完成人脸识别。 本 申请先使用循环迭代模型获取同一图像在多次 降维下的不同特征值， 再进行人脸识别， 一定程 度上提高了人脸识别的准确性。 权利要求书2页 说明书10页 附图6页 CN 114299584 A 2022.04.08 CN 114299584 A 1.一种基于迭代训练模型进行光照下 人脸识别的方法， 其特 征在于， 包括下述 步骤： 201， 分别获取不同人的若干张人脸图像， 构成训练图集； 202， 基于预设循环迭代模型和预期特征维数数目参数(xn， yn， zn)， 对所述训练图集中 图像进行迭代降维处 理， 其中， x， y， z为初始特 征维数数目参数， n 为循环迭代次数； 203， 基于预设对数转换算法对所述训练图集中图像进行预处理， 转化为第一灰度矩 阵， 并基于PCA算法将所述第一灰度矩阵划分为(xn， yn， zn)个小灰度矩阵； 204， 对划分后的每一个所述小灰度矩阵进行去均值化处理， 获取每一个所述小灰度矩 阵的协方差矩阵； 205， 基于LBF算法获取每一个所述协方差矩阵对应的LBF纹理特征， 以及LBF纹理特征 值以及所对应的特 征向量； 206， 将每个所述协方差矩阵得到的LB F纹理特征值所对应的特征向量组成所述训练图 集中图像的特 征矩阵； 207， 基于所述训练图集中图像的特 征矩阵， 获取 所述训练图集中图像的特 征值； 208， 实时获取目标人脸图像， 作为测试图像， 基于所述预设循环迭代模型依次执行上 述202， 20 3， 204， 20 5， 206， 207步骤， 获取 所述测试图像的特 征值； 209， 将所述测试图像的特征值与所述训练图集中图像的特征值进行对比， 并基于余弦 相似度算法判断两者的相似度， 基于预设相似阈值确定所述测试图像对应的所述训练集图 集中图像， 完成人脸识别。 2.根据权利要求1所述的基于迭代训练模型进行光照下人脸识别的方法， 其特征在于， 所述预设循环迭代模型， 包括： 迭代触发条件和迭代终止条件； 依次执行202至207步骤。 3.根据权利要求2所述的基于迭代训练模型进行光照下人脸识别的方法， 其特征在于， 所述预设循环迭代模型的迭代触发条件 包括： 若获取到所述训练图集中图像的特征值或者获取到所述测试图像的特征值， 则 触发所 述预设循环迭代模型 再一次依次执 行202至207步骤， n 值累加1。 4.根据权利要求3所述的基于迭代训练模型进行光照下人脸识别的方法， 其特征在于， 所述预设循环迭代模型的迭代终止条件 包括： 在所述预设循环迭代模型的迭代触发条件执行之后， 获取所述(xn， yn， zn)中xn， yn， zn分 别对应的值， 若xn， yn， zn三者中任一数值大于预设的终止数值， 则所述预设循环迭代模 型迭 代终止。 5.根据权利要求4所述的基于迭代训练模型进行光照下人脸识别的方法， 其特征在于， 所述将所述测试图像的特 征值与所述训练图集中图像的特 征值进行对比， 包括： 判断所述预设循环迭代模型 是否处于迭代触发状态， 若处于， 则不进行对比； 若所述预设循环迭代模型处于迭代终止状态， 则获取所述循环迭代模型在每一次触发 时， 获取的所述测试图像的特 征值与所述训练图集中图像的特 征值； 将所述测试图像的特 征值作为元 素， 生成l ist数据格式的测试 特征值集； 将所述训练图集中图像的特 征值作为元 素， 生成jso n数据格式的训练特 征值集。 6.根据权利要求5所述的基于迭代训练模型进行光照下人脸识别的方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114299584 A 2所述并基于余弦相似度算法判断两者的相似度， 具体包括： 使用余弦相似度算法， 判断所述list数据格式的测试特征值集与所述json数据格式的 训练特征值集中数组元 素的相似度。 7.根据权利要求1至6任一所述的基于迭代训练模型进行光照下人脸识别的方法， 其特 征在于， 所述基于预设相似阈值确定所述测试图像对应的所述训练集图集中图像， 完成人 脸识别， 包括： 若所述list数据格式的测试特征值集与所述json数据格式的训练特征值集中数组元 素的相似度， 在预设相似阈值之内， 则判断所述测试图像与所述json数据格式的训练特征 值集中数组元 素对应的图像为同一人的人脸图像， 否则， 非同一人的人脸图像。 8.一种基于迭代训练模型进行光照下 人脸识别的装置， 其特 征在于， 包括： 训练图集获取模块， 用于分别获取不同人的若干张人脸图像， 构成训练图集； 循环迭代模块， 用于基于预设循环迭代模型和预期特征维数数目参数(xn， yn， zn)， 对所 述训练图集中图像进 行迭代降维处理， 其中， x， y， z为初始特征维数数目参数， n为循环迭代 次数； 基于预设对数转换算法对所述训练图集中图像进 行预处理， 转化为第一灰度 矩阵， 并 基于PCA算法将所述第一灰度 矩阵划分为(xn， yn， zn)个小灰度矩阵； 对划分后的每一个所述 小灰度矩阵进行去均值化处理， 获取每一个所述小 灰度矩阵的协方差矩阵； 基于LBF算法获 取每一个所述协方差矩 阵对应的LBF纹理特征， 以及LBF纹理特征值以及所对应的特征向 量； 将每个所述协方差矩阵得到的LBF纹理特征值所对应的特征向量组成所述训练图集中 图像的特征矩阵； 基于所述训练图集中图像的特征矩阵， 获取所述训练图集中图像的特征 值； 测试图像获取模块， 用于实时获取目标人脸图像， 作为测试图像， 基于所述预设循环迭 代模型依次执 行上述202， 20 3， 204， 20 5， 206， 207步骤， 获取 所述测试图像的特 征值； 人脸识别模块， 用于将所述测试图像的特征值与 所述训练图集中图像的特征值进行对 比， 并基于余弦相似度算法判断两者的相似度， 基于预设相似阈值确定所述测试图像对应 的所述训练集图集中图像， 完成人脸识别。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 所述处理 器执行所述计算机程序时实现如权利要求1至7任一项所述的基于迭代训练模型进行光照 下人脸识别的方法的步骤。 10.一种非易失性计算机可读存储介质， 其特征在于， 所述非易失性计算机可读存储介 质上存储有计算机程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项所述 的基于迭代训练模型进行光照下 人脸识别的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114299584 A 3