技术详细介绍
提出了一种基于全耦合局部约束表示的极低分辨率人脸识别算法，该算法介绍了一种新方法全耦合局部约束表示(LCR)，利用了局部约束表示的优点，揭示输入测试样本与表达原子之间的流形关系，避免了传统稀疏表达的解不稳定问题，利用耦合的局部约束表达特征在高分辨率图像空间进行特征匹配，提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率，提高了识别性能。
本发明提出的算法需要相应的软硬件设备搭配，包括人证访客机、人员通道闸机、摄像头、对比分析仪以及后台管理系统与数据库等，其可应用于警方追逃反恐，企业、住宅、社区、学校等门禁系统，火车站、汽车站和机场等安检通行。
为了验证算法的可行性，实验通过人脸识别率作为算法标准，分别与双三次插值法、超分辨重建算法和sparse算法做比较，双三次插值法的识别率为0.314，超分辨重构算法的识别率为0.756，sparse算法的识别率为0.716，本发明提出的算法识别率为0.795，本发明算法在识别率上也高于其他算法。
实际场景下受光照条件的变化、人脸与摄影设备的距离以及设备自身的噪声等因素的影响，往往会得到分辨率很低的图像，使低分辨率人脸识别更具挑战性。
本发明提供一种更加准确的识别低分辨率人脸图像的基于全耦合局部约束表示的极低分辨率人脸识别方法及系统。
适用于安防监控系统，应用前景广阔，投入市场后预期产生1000万元的经济效益。