公开(公告)号：CN104866829B

公开(公告)日：2019-02-19

申请号：CN201510270145.8

申请日：2015-05-25

Applicant: 苏州大学

Inventor： 王朝晖 ,  翟欢欢 ,  刘纯平 ,  季怡 ,  龚声蓉 ,  葛瑞

IPC: G06K9/00

Abstract: 本发明公开了一种基于特征学习的跨年龄人脸验证方法，包括如下步骤：(1)获取待对比的两幅人脸图像；(2)利用人脸特征点定位的方法对两幅人脸图像进行对齐操作；(3)分别对每幅图像进行特征提取，方法为：①通过深度卷积神经网络自动提取高层语义特征；②计算图像的LBP直方图特征；③将①和②中获得的特征进行融合，表达为特征向量；(4)采用余弦相似度方法计算步骤(3)获得的两幅图像的特征向量之间的距离，据此判断两幅图像是否来自同一人。本发明首次将深度网络应用到跨年龄人脸验证，同时创造性地将手工设计的LBP直方图特征与深度网络自主学习的特征进行融合，实现高层语义特征与低层特征的互补，具有更好的准确率。

公开(公告)号：CN104866829A

公开(公告)日：2015-08-26

申请号：CN201510270145.8

申请日：2015-05-25

Applicant: 苏州大学

Inventor： 王朝晖 ,  翟欢欢 ,  刘纯平 ,  季怡 ,  龚声蓉 ,  葛瑞

IPC: G06K9/00

CPC classification number: G06K9/00221 ,  G06K9/00268 ,  G06K9/00288

Abstract: 本发明公开了一种基于特征学习的跨年龄人脸验证方法，包括如下步骤：(1)获取待对比的两幅人脸图像；(2)利用人脸特征点定位的方法对两幅人脸图像进行对齐操作；(3)分别对每幅图像进行特征提取，方法为：①通过深度卷积神经网络自动提取高层语义特征；②计算图像的LBP直方图特征；③将①和②中获得的特征进行融合，表达为特征向量；(4)采用余弦相似度方法计算步骤(3)获得的两幅图像的特征向量之间的距离，据此判断两幅图像是否来自同一人。本发明首次将深度网络应用到跨年龄人脸验证，同时创造性地将手工设计的LBP直方图特征与深度网络自主学习的特征进行融合，实现高层语义特征与低层特征的互补，具有更好的准确率。