专利交易市场

本发明公开了一种基于局部连续性的鲁棒性人脸识别方法，获取N张人脸图像，遍历n类人脸图像，将n个子字典拼接为n类人脸图像的字典A；获取待识别人脸图像，采用PCA降维方法提取待识别向量图像中主成分，并将提取的主成分构建为第一模板图像，计算残差图像，获得匹配标记图M，获得遮挡支撑图像W1，通过迭代更新方法对W1进行处理，获得Wt；将Wt作为权重，计算待识别人脸图像的加权稀疏表示向量x，并判Wt是否满足收敛条件，基于加权稀疏表示向量，构建待识别人脸图像的第二模板图像；获得待识别人脸图像的分类结果i；本发明的有益效果为提升了人脸识别的鲁棒性，弥补了算法对连续性遮挡鲁棒性不高，在遮挡情况下的人脸识别率有大幅提升。

本发明公开了一种基于交叉重建的多视角分类系统及方法，包括接收模块、编码模块、重构模块、约束模块、计算模块和确定模块；本发明提出类自编码机结构，在多个视角之间进行自我重建和交叉重建，创新性的提出一种基于交叉重建的多视角识别方法用于同时考虑每个视角的本质特征和多个视角之间的关联特征，使得得到的多视角数据特征更为丰富，降低了方法的复杂度同时提高了多视角分类的准确率。

本发明公开多视点的人脸活体检测方法及系统，首先同时从多个角度采集人脸图片，对采集的人脸图片进行活体初步判断，若多个角度采集的人脸图片都满足活体初步判断条件，则获取各人脸图片中的人脸关键点的坐标位置，基于坐标位置计算各人脸图片中的人脸关键点距离向量，并对人脸关键点距离向量进行预处理得到特征关键点距离向量；任意选取一组特征关键点距离向量输入已训练好的分类模型中进行分类；根据分类结果输出当前采集的人脸照片中的人脸是否来自于真人。多角度同时采集，对人脸的偏转问题也有很大的鲁棒性，提高了人脸识别过程中的体验，大幅度降低硬件成本，使用特征关键点距离向量输入分类模型进行分类，计算量低，检测的可靠性高。