一种人脸底层特征构建方法技术

一种人脸底层特征构建方法，属于模式识别与特征提取技术领域。其特征在于：包括以下步骤，1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；1.4、根据计算得出的权重值，计算新的人脸底层特征图像。本发明专利技术提供了一种新的人脸底层特征的构建方法，能够更准确的反应不同人脸的不同影响，新的底层特征较好的融合了多幅人脸图像的综合信息，节省存储空间，降低计算的复杂度，弱化单幅图像中出现的噪声干扰，为后期的深度特征提取和分类识别提供了一种计算简单，效果显著的新特征。

【技术实现步骤摘要】

一种新的人脸底层特征构建方法，属于模式识别与特征提取

技术介绍
提取好的特征是一直以来都是模式识别的本质问题。按照特征产生方式不同，图像特征分为两类：自然特征和人工特征。人工特征是通过运算构造出的特征，如直方图、频谱图、链码等；自然特征是图像本身固有的特征，通过人类视觉感知系统能够直接获得，如图像的边缘、纹理、形状、点、线等。在人脸识别中，通过对人脸进行测量，可以得到人脸的一种描述，即用测量空间中的一个点来表示一个人脸。当前，代数特征抽取的研究往往都以外观特征直接作为底层特征，但这样做不能全面反映后期处理算法的性能，研究表明针对原始人脸图像构造新的底层特征，然后再对底层特征进行处理能获得更优秀的分类效果。当前，已有的两种常用的人脸低层特征是Gabor特征和LBP特征。Gabor特征：在高斯窗口约束下的局部区域内，Gabor滤波函数将在与其振荡方向平行的边缘处产生强烈的响应，而边缘对三维物体的识别是至关重要的。例如，人的视觉系统中有专门的细胞对局部变化发生反应。Gabor滤波可以看作一个对方向和尺度敏感的有方向性的显微镜，用其检测响应图像中一些具有相应的方向频率信息的、局部的显著特征。Gabor滤波可以形成亮度图像的局部特征图谱，这些局部特征形成了原始输入图像的一种鲁棒(如光照变化)、信息量丰富的特征表示。(邓伟洪，高精度人脸识别算法研究[D]，北京邮电大学博士学位论文，2008年)。LBP特征：其基本思想是先使用纹理描述子得到若干个局部区域的描述，然后把它们结合成一个整体的描述。一般的纹理图像的特征大多反映在局部纹理的有规律重复，全局的纹理直方图可以鲁棒描述。所有的人脸模式都具有相似的形状规律，使用划分区域的直方图方法可以保存纹理间的空间关系，对于人脸识别非常重要。(张文超，山世光，等，基于局部Gabor变化直方图序列的人脸描述与识别[J]，软件学报，2006，17(12)：2508-2517)。人脸能量图也是针对多姿态人脸识别的一种人脸特征。该特征的构建过程借鉴了步态均值图像的构建过程，是一种较新的人脸特征构建方法。但是该图像的构建只是简单的采用的了图像的平均叠加，构建得到能量图中无法反应不同质量或不同重要程度的人脸的影响。
技术实现思路
本专利技术所要解决的技术问题是：克服现有技术的不足，提供一种能够反应不同质量或不同重要程度的人脸，能够较好反应不同姿态人脸对新特征的影响的人脸底层特征构建方法。本专利技术解决其技术问题所采用的技术方案是：该人脸底层特征构建方法，其特征在于：包括以下步骤，1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；1.4、根据计算得出的权重值，计算新的人脸底层特征图像。步骤1.2中所述的双眼位置坐标的获得是基于眼睛分类器从人脸图像中快速确定双眼候选区域，然后根据双眼在候选区中所处位置和所占比例，将候选区域分为宽度相同的左眼子区、中间子区和右眼子区三个子区域，再对包含眼睛的左眼子区和右眼子区分别求积分投影来准确定位双眼位置坐标。步骤1.2中人脸左右摇摆角度α的求解公式为：α=2*arcsin(0.5×|BB′|R)]]>|BB′|=(xB-xB′)2+(yB-yB′)2]]>R=(xB-xo)2+(yB-yo)2---(1)]]>|BB′|为发生左右摇摆前后双眼产生的位移差，R为双眼旋转时所在圆的半径，点O(xo,yo)为所在圆的圆心的坐标，将点O(xo,yo)为所在圆的圆心的坐标代入式(1)求出半径R，则摇摆角度α可解，摇摆角α是双眼位置坐标值的函数，即：α＝f(xA,xB,xA′,xB′)其中，坐标A(xA,yA)、B(xB,yB)为发生摇摆前的双眼位置坐标，A′(xA′,yA′)、B′(xB′,yB′)为发生左右摇摆后双眼位置坐标。步骤1.3所述的发生摇摆变化人脸的权重值的表达式为ω，第k幅人脸图像的权重值ωk的计算公式如下ωk=cosαkΣj=1Mcosαj]]>其中，αk表示对应第k幅人脸图像的左右摇摆角度，则权值ωk的求解转化为计算摇摆角度αk。步骤1.4中所述的新的人脸底层特征图像为多姿态人脸中某一人在不同俯仰角度、不同左右摇摆角度下的多幅图像的加权平均得到的特征图；给定的多姿态灰度人脸图像Ij(x,y)，新的人脸底层特征图的定义公式为：F(x,y)=Σj=1MωjIj(x,y)]]>其中，M表示同一人的不同姿态图像总数，j代表第j幅变化图像，ωj表示对应第j幅人脸图像的权重值，x,y代表二维图像平面坐标。所述的点O(xo,yo)为所在圆的圆心的坐标获得，由公式(1)得出：R=(xA-xo)2+(yA-yo)2---(2)]]>联立式(1)和(2)，化简整理可得：xA2+yA2-xB2-yB2=2(xA-xB)x0+2(yA-yB)yo---(3)]]>同理可得：xA′2+yA′2-xB′2-yB′2=2(xA′-xB′)x0+2(yA′-yB′)yo---(4)]]>显然，通过式(3)和(4)联立可求得圆心点O(xo,yo)的坐标。与现有技术相比，本专利技术所具有的有益效果是：本专利技术提供了一种新的人脸底层特征的构建方法，能够较好反应不同姿态人脸对新特征的影响。读取人脸图像后，首先，准确定位姿态人脸中双眼的精确位置，确定双眼位置坐标；然后，通过发生摇摆前的双眼位置坐标和发生摇摆之后的双眼位置坐标，准确计算人脸摇摆时所在圆的圆心坐标，基于以上五个关键点的坐标，计算出人脸的摇摆角度；最后，通过摇摆角度的大小，确定该幅人脸图像的权重取值，并将该权重取值用于最终的新特征构建。该方法在一定程度上能够更准确的反应不同人脸的不同影响，新的底层特征较好的融合了多幅人脸图像的综合信息，能够很好的节省存储空间，降低计算的复杂度，弱化单幅图像中出现的噪声干扰，为后期的深度特征提取和分类识别提供了一种计算简单，效果显著的新特征。附图说明图1为新的人脸底层特征图构建流程图。图2为原始多种姿态的人脸图像。图3为双眼定位效果图。图4为姿态人脸旋转示意图。图5为构建得到的新人脸底层特征图。具体实施本文档来自技高网...

【技术保护点】
一种人脸底层特征构建方法，其特征在于：包括以下步骤，1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；1.4、根据计算得出的权重值，计算新的人脸底层特征图像。

【技术特征摘要】
1.一种人脸底层特征构建方法，其特征在于：包括以下步骤，
1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；
1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；
1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；
1.4、根据计算得出的权重值，计算新的人脸底层特征图像。
2.根据权利要求1所述的一种人脸底层特征构建方法，其特征在于：步骤1.2中所述的
双眼位置坐标的获得是基于眼睛分类器从人脸图像中快速确定双眼候选区域，然后根据双眼
在候选区中所处位置和所占比例，将候选区域分为宽度相同的左眼子区、中间子区和右眼子
区三个子区域，再对包含眼睛的左眼子区和右眼子区分别求积分投影来准确定位双眼位置坐
标。
3.根据权利要求1所述的一种人脸底层特征构建方法，其特征在于：步骤1.2中人脸左
右摇摆角度α的求解公式为：
α=2*arcsin(0.5×|BB′|R)]]>|BB′|=(xB-xB′)2+(yB-yB′)2]]>R=(xB-xo)2+(yB-yo)2---(1)]]>|BB′|为发生左右摇摆前后双眼产生的位移差，R为双眼旋转时所在圆的半径，点O(xo,yo)
为所在圆的圆心的坐标，将点O(xo,yo)为所在圆的圆心的坐标代入式(1)求出半径R，则摇
摆角度α可解，摇摆角α是双眼位置坐标值的函数，即：
α＝f(xA,xB,xA′,xB′)
其中，坐标A(xA,yA)、B(xB,yB)为发生摇摆前的双眼位置坐标，A′(xA′,yA′)、B′(xB′,yB′)为
发生左右摇摆后双眼位置坐标。...

【专利技术属性】
技术研发人员：邹国锋，傅桂霞，姜殿波，张存山，高明亮，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：山东;37