基于对称性的人脸图像特征提取的方法及装置制造方法及图纸

本发明专利技术涉及数据处理领域，具体涉及一种基于对称性的人脸图像特征提取的方法及装置，所述方法包括：根据人脸的对称性，将预先存储的人脸样本分成左半脸和右半脸，并转化为向量的形式；利用人脸样本的左半脸和右半脸，根据目标函数交替迭代计算求得每张人脸样本的左半脸的低维投影空间及左右脸的残差；利用左半脸对应的低维投影空间及左右脸的残差，得到每张人脸样本的重构图像；判断低维投影空间重构图像与人脸样本的残差是否小于残差阈值，若是则结束运算得到满足残差阈值的左半脸的低维投影空间和左右脸的残差；本发明专利技术可以结合人脸左右对称的结构特性，减少了存储空间，降低了人脸图片的重构误差。

Method and device for facial image feature extraction based on symmetry

The present invention relates to the field of data processing, in particular to a method and device for extracting face image features based on symmetry. The method includes: according to the symmetry of the face, the pre stored face samples are divided into the left half face and the right half face, and transformed into the form of the vector; the left half face and the right half face of the face sample are used. According to the alternate iteration of target function, the low dimension projection space and the left and right face of the left face of each face sample are calculated, and the reconstructed image of each face sample is obtained by using the low dimension projection space corresponding to the left half face and the residuals of the left and right faces, and the residual error of the low dimension projection space recomposition image and the face sample is judged to be small. In the residual threshold, the low dimension projection space of the left half face and the residual face of the left face which satisfy the residual threshold are obtained by the end operation. The invention can reduce the storage space and reduce the reconstruction error of the face picture by combining the structure characteristics of the left and right sides of the face.

【技术实现步骤摘要】
基于对称性的人脸图像特征提取的方法及装置
本专利技术涉及数据处理领域，具体涉及一种基于对称性的人脸图像特征提取的方法及装置。
技术介绍
人脸图像的特征提取技术是人脸识别的一个重要发展方向，目前该技术仍然面临多方面的挑战。其中就包括面部图像会随着表情、光照、姿态的变换，使得学习到的低维投影空间重构出来的人脸图像还原度较低。利用图像学习线性表达输入得到该图像对应的低维投影空间是目前比较流行的学习原始图像的低维投影空间的方法。这些方法需要存储整张图像信息，并且学习出来的低维投影空间维度一般比较大，需要较大的存储空间。
技术实现思路
针对上述问题，本专利技术提供了一种基于对称性的人脸图像特征提取的方法及装置，如图1，所述方法包括：S1、根据人脸的对称性，将预先存储的人脸样本图像分成左半脸和右半脸，并转化为向量的形式；S2、利用人脸图像的左半脸和右半脸，根据目标函数交替迭代计算求得每张人脸样本图像的左半脸的低维投影空间及左右半的残差；S3、利用求得的左半脸对应的低维投影空间及左右脸的残差，得到每张人脸样本图像的重构图像；S4、判断低维投影空间重构图像与人脸样本的残差是否小于残差阈值，若是则结束运算得到满足残差阈值的左半脸的低维投影空间和左右脸的残差，并利用左半脸的低维投影空间对人脸样本的进行特征提取；否则返回S2。优选的，目标函数的计算包括：其中，En表示含有N张人脸样本的图像集需要满足的优化目标函数，该函数优化目标分为三个部分：第一部分为(a)表示约束第i张人脸样本的左脸重构误差，第二部分为(b)约束第i张人脸样本的右脸重构误差，第三部分为(c)表示左右脸残差的稀疏度约束；表示第i个人脸样本的左半脸的线性空间模型，表示第i个人脸样本的左半脸在低维投影空间的重构图像的线性空间模型，表示第i个人脸样本的右半脸的镜像的线性空间模型，表示第i个人脸样本的右半脸在低维投影空间的重构脸的镜像的线性空间模型，ei表示第i个人脸样本的左右脸残差，λ1表示约束右脸重构误差的系数，λ2表示左右脸残差稀疏度的系数，表示向量的二范数，||·||1表示向量的一范数，N表示图像集的数量。优选的，左半脸在低维投影空间的重构脸所构成的线性空间模型xiL'的计算为：其中，WL表示第i张人脸样本的左半脸的低维投影空间，上标T表示转置矩阵。优选的，第i个人脸样本的左右脸残差ei的表示为：优选的，第i个人脸样本的右半脸在低维投影空间的重构图像的镜像的线性空间模型的计算包括：使用第i个人脸样本左半脸的镜像的线性空间模型来替换第i个人脸样本右半脸在低维投影空间的重构脸的镜像的线性空间模型，具体可以表示为：其中，表示第i个人脸样本右半脸的镜像的线性空间模型。一种基于对称性的人脸图像特征提取的装置，如图2，包括存储模块、计算模块、重构模块、获取模块和判断模块：存储模块，用于存储根据人脸结构的对称性分别左右脸并转化成向量的形式的人脸样本和经过处理的人脸样本图像特征，所述人脸样本图像特征包括左半脸的特征和右半脸的残差；计算模块，用于针对人脸样本，计算目标函数的最小值成立的时候得到的每张人脸样本的左半脸的低维投影空间及左半脸和右半脸的残差；重构模块，用于利用每张人脸样本图像的左半脸和所述人脸样本的左半脸对应的低维投影空间、以及左半脸和右半脸的残差，分别重构所述人脸样本，得到每张人脸样本的重构人脸图像；获取模块，用于根据每张人脸样本的左半脸对应的重构人脸图像和人脸样本，得到每张人脸样本对应的残差向量；判断模块，用于判断获取模块得到残差向量与残差阈值的关系，同时保证左半脸和右半脸的残差尽可能稀疏，并将满足获取模块得到残差向量与残差阈值的关系的左半脸的低维投影空间及左半脸和右半脸的残差存储在存储模块；转化模块，用于根据得到的左半脸的低维投影空间及左半脸和右半脸的残差转化为人脸重构图像。本专利技术提供一种基于对称性的人脸图像特征提取的方法及装置，可以结合人脸左右对称的结构特性，减少存储空间，降低了人脸图片的重构误差。附图说明图1为本专利技术提供的基于对称性的人脸图像特征提取的方法流程图；图2为本专利技术提供的基于对称性的人脸图像特征提取的装置结构图；图3为本专利技术基于对称性的人脸图像特征提取人脸的方法的人脸重建过程；图4为本专利技术实施例中的人脸样本图像；图5为根据本专利技术的方法得到的重构图片；图6为本专利技术提供的基于对称性的人脸图像特征提取的方法与传统图像重构方法的重构误差对比图。具体实施方式为了传统人脸识别中图像存储空间较大的问题，本专利技术提出一种人脸识别的方法及装置来减少存储空间。下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。一种基于对称性的人脸图像特征提取的方法及装置，如图1，所述方法包括：S1、根据人脸的对称性，将预先存储的人脸样本分成左半脸和右半脸，并转化为向量的形式；S2、利用人脸图像的左半脸和右半脸，根据目标函数交替迭代计算求得每张人脸样本的左半脸的低维投影空间及左右脸的残差；S3、利用求得的左半脸对应的低维投影空间及左右脸的残差，得到每张人脸样本的重构图像；S4、判断低维投影空间重构图像与人脸样本的残差是否小于残差阈值，若是则结束运算得到满足残差阈值的左半脸的低维投影空间和左右脸的残差，并利用左半脸的低维投影空间对人脸样本进行特征提取；否则返回S2。优选的，目标函数包括：其中，En表示含有N张人脸样本的集需要满足的优化目标函数，该函数优化目标分为三个部分：第一部分为(a)表示约束第i张人脸样本的左脸重构误差，第二部分为(b)约束第i张人脸样本的右脸重构误差，第三部分为(c)表示左右脸残差的稀疏度约束；表示第i个人脸样本的左半脸的线性空间模型，表示第i个人脸样本的左半脸在低维投影空间的重构图像的线性空间模型，表示第i个人脸样本的右半脸的镜像的线性空间模型，表示第i个人脸样本的右半脸在低维投影空间的重构脸的镜像的线性空间模型，ei表示第i个人脸样本的左右脸残差，λ1表示约束右脸重构误差的系数，λ2表示左右脸残差稀疏度的系数，表示向量的二范数，||·||1表示向量的一范数，N表示图像集的数量。优选的，第i个人脸样本的右半脸在低维投影空间的重构图像的镜像的线性空间模型的计算包括：使用第i个人脸样本左半脸的镜像的线性空间模型来替换第i个人脸样本右半脸在低维投影空间的重构脸的镜像的线性空间模型，具体可以表示为：其中，表示第i个人脸样本左半脸的镜像的线性空间模型。由上述内容知道，所以目标函数可以表示为：进一步的，根据主成分分析(PrincipalComponentAnalysis，PCA)理论，可以得到人脸样本点在新空间中超平面的投影，基于此来重构可以得到：其中，左半脸的低维投影空间表示(WL)T中的第i个元素，WL要满足约束条件WL(WL)T＝I。此时，目标函数可以表示为：计算左半脸的低维投影空间和左右脸的残差的过程，可以采用交替迭代计算，即首先固定左右脸的残差，再计算左半脸的低维投影空间，然后固定左半脸的低维投影空间计算左右脸的残差，再利用得到的左半脸的低维投影空间和左右脸的残差重构图像，计算重构图像与人脸样本的残差，若是小于残差阈值，则输出此时的左半脸的低维投影空间和左右脸的残差，否则继续进行迭代。可以理解的是，本专利技术为了方便理解和描述，采用求取左本文档来自技高网...

【技术保护点】
1.基于对称性的人脸图像特征提取的方法，其特征在于，包括：S1、预先储存一组含有多个类别的人脸样本，每个类别包括至少一张人脸样本；根据人脸的对称性，将预先存储的人脸样本分成左半脸和右半脸，并转化为向量的形式；S2、利用人脸样本的左半脸和右半脸，根据目标函数交替迭代计算求得每张人脸样本图像的左半脸的低维投影空间及左右脸残差；S3、利用左半脸的低维投影空间及左右脸的残差，得到每张人脸样本图像的重构图像；S4、判断人脸样本的重构图像与人脸图像的残差是否小于残差阈值，若是，则结束运算并得到满足残差阈值的左半脸的低维投影空间和左右脸残差，并利用左半脸的低维投影空间对人脸样本进行特征提取；否则，返回S2。

【技术特征摘要】
1.基于对称性的人脸图像特征提取的方法，其特征在于，包括：S1、预先储存一组含有多个类别的人脸样本，每个类别包括至少一张人脸样本；根据人脸的对称性，将预先存储的人脸样本分成左半脸和右半脸，并转化为向量的形式；S2、利用人脸样本的左半脸和右半脸，根据目标函数交替迭代计算求得每张人脸样本图像的左半脸的低维投影空间及左右脸残差；S3、利用左半脸的低维投影空间及左右脸的残差，得到每张人脸样本图像的重构图像；S4、判断人脸样本的重构图像与人脸图像的残差是否小于残差阈值，若是，则结束运算并得到满足残差阈值的左半脸的低维投影空间和左右脸残差，并利用左半脸的低维投影空间对人脸样本进行特征提取；否则，返回S2。2.根据权利要求1所述的基于对称性的人脸图像特征提取的方法，其特征在于，步骤S2中的目标函数为：其中，En表示含有N张人脸样本图像的图像集需要满足的优化目标函数，该函数优化目标分为三个部分：第一部分为(a)表示约束第i张人脸样本的左脸重构误差，第二部分为(b)表示约束第i张人脸样本的右脸重构误差，第三部分为(c)表示左右脸残差的稀疏度约束；表示第i个人脸样本图像的左半脸的线性空间模型，表示第i个人脸样本图像的左半脸在低维投影空间的重构图像的线性空间模型，表示第i个人脸样本图像的右半脸的镜像的线性空间模型，表示第i个人脸样本图像的右半脸在低维投影空间的重构图像的镜像的线性空间模型，ei表示第i个人脸样本图像的左右脸残差，λ1表示约束右脸重构误差的系数，λ2表示左右脸残差稀疏度的系数，表示向量的二范数，||·||1表示向量的一范数，N表示图像集的数量。3.根据权利要求2所述的基于对称性的人脸图像特征提取的方法，其特征在于，所述第i个人脸样本图像的右半脸在低维投影空间的重构图像的镜像的线性空间模型的计算包括：使用第i个人脸样本图像左半脸的镜像的线性空间模型来替换第i个人脸样本图像右半脸在低维投影空间的重构脸的镜像的线性空间模型，具体可以表示为：其中，表示第i个人脸样本图像右半脸的镜像的线性空间模型。4.根据权利要求1所述的基于对称性的人脸图像特征提取的方法，其特征在于，所述利用左半脸的低维投影空间和左右脸的残差得到重构图片包括：使用左半脸的低维投影空间WL得到左脸的重构图片，表示为：利用得到的左脸重构图片和左右脸的残差ei得到镜像重构图片，表示为：将得到的镜像重构图片镜像翻转，并与左脸重构图片拼合，得到重构图片。其中，表示第i个人脸样本图像的左半脸的线性空间模型，表示第i个人脸样本图像的左半脸在低维投影空间的重构图像的线性空间模型，表示第i个人脸样本图像的右半脸在低维投影空间的重构图像的镜像的线性空间模型，ei表示第i个人脸样本图像的左右脸残差，上标T表示转置矩阵。5.根据权利要求1所述的基于对称性的人脸图像特征提取的方法，其特征在于，所述利用左半脸的低维投影空间和左右脸残差对人脸样本进行特征提取包括：其中，表示第i张人脸样本图像的左半脸特征，WL表示第i张人图像的左半脸的低维投影空间，上标T表示转置矩阵，表示第i个人脸样本的左半脸的线性空间模型。6.基于对称性的人脸图像特征提取的装置，其特征在于...

【专利技术属性】
技术研发人员：米建勋，孙月如，李林洁，邓力，李佳其，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50