一种基于局部边缘梯度Gabor幅度的脸部图描述方法技术

本发明专利技术中提出的一种基于局部边缘梯度Gabor幅度的脸部图描述方法，其主要内容包括：确定原始固有结构模式、全脸结构模式的计算、频域表达模式的表示、局部边缘梯度Gabor幅度(LEGGM)的下采样和归一化、构建LEGGM模型，其过程为，先确定原始固有结构模式，将其嵌入到灰度图像中，创建一个完整的结构特征化的脸型，接着计算全脸结构模式，建立频域表达模式，再对LEGGM进行下采样和归一化，最后构建LEGGM模型用于描述脸部图像。本发明专利技术强调局部细节信息，如纹理和形状等，保留描述符数据，克服了照明、姿态等的影响，建立了对于经过伪装、化妆等可逆的变化或老化、整形等不可逆的变化都能有效识别和表示的脸部模型。

A face map description method based on local edge gradient Gabor amplitude

The present invention of a method to describe the local edge gradient amplitude of Gabor map based on the face, the main contents include: determining the inherent structure model, calculation, the whole face structure model of the frequency domain expression pattern representation, local edge gradient amplitude of Gabor (LEGGM) under the LEGGM model and the normalized sampling, the process. For the first, to determine the original inherent structure model, which is embedded into the gray image, to create a complete structure of the face, then calculate the whole face structure model, establish the frequency domain expression pattern of samples and normalized LEGGM mining, finally constructed the LEGGM model is used to describe the facial image. The present invention emphasizes local details, such as texture and shape, retain the descriptor data to overcome the influence of illumination, posture, etc., is established for the face model through changes in disguise and reversible or irreversible changes of aging, such as plastic can effectively identify and express.

【技术实现步骤摘要】
一种基于局部边缘梯度Gabor幅度的脸部图描述方法
本专利技术涉及脸部图像描述领域，尤其是涉及了一种基于局部边缘梯度Gabor幅度的脸部图描述方法。
技术介绍
人脸识别是当前人工智能和模式识别的研究热点，随着科学技术的发展和社会的进步，进行快速、有效、自动的人脸识别的技术要求日益迫切。要进行人脸识别，首先要对脸部图像进行描述，通过将人脸的特征表示出来，构建脸部模型，从而进行人脸识别。基于脸部图像描述的人脸识别技术在公共安全领域、智能门禁、智能视频监控、各类银行卡持卡人的身份验证或者是能够识别主人身份的智能玩具、家政机器人、具有真实面孔图像的虚拟游戏玩家等中都有广泛的应用。然而，之前的方法都无法利用相关数据结构的非线性特征，而且会受到照明、姿态等的影响，识别效果不佳，应用困难。本专利技术提出了一种基于局部边缘梯度Gabor幅度的脸部图描述方法，先确定原始固有结构模式，将其嵌入到灰度图像中，创建一个完整的结构特征化的脸型，接着计算全脸结构模式，建立频域表达模式，再对局部边缘梯度Gabor幅度(LEGGM)进行下采样和归一化，最后构建LEGGM模型用于描述脸部图像。本专利技术强调局部细节信本文档来自技高网...

【技术保护点】
一种基于局部边缘梯度Gabor幅度的脸部图描述方法，其特征在于，主要包括确定原始固有结构模式(一)；全脸结构模式的计算(二)；频域表达模式的表示(三)；局部边缘梯度Gabor幅度(LEGGM)的下采样和归一化(四)；构建LEGGM模型(五)。

【技术特征摘要】
1.一种基于局部边缘梯度Gabor幅度的脸部图描述方法，其特征在于，主要包括确定原始固有结构模式(一)；全脸结构模式的计算(二)；频域表达模式的表示(三)；局部边缘梯度Gabor幅度(LEGGM)的下采样和归一化(四)；构建LEGGM模型(五)。2.基于权利要求书1所述的确定原始固有结构模式(一)，其特征在于，定义一个二维高斯滤波器7×7和13×13；由于目标是对样本I′(c)的离散采样点进行卷积，因此建立了以下推导：f(c)＝G(c；σ)*I′(σ)(1)其中，是高斯核函数，σ＝(σ1,σ2)是标准差；符号*表示卷积算子，c的范数为3.基于权利要求书2所述的高斯核函数，其特征在于，高斯核函数G(c；σ1)和G(c；σ2)应用拉普拉斯核函数，当给出时，公式(1)变为：其中，表示派生是二阶运算；由于卷积是相关的，意味着图像I′(c)在分化之前与高斯核函数G(c；σ)进行卷积，或者高斯核函数在与I′(c)卷积之前是不同的，结果始终是相同的输出；通过这种关联属性，公式(2)可以重写为：通常情况下，卷积是在图像的像素坐标的叠加操作；因此，整个操作可以表示为：其中，(c-i)表示加权是通过在其上叠加内核的像素坐标c＝(x,y)之间的移位操作；因此，对于高斯函数σ1和σ2的不同大小，用x和y表示所得到的输出，公式(4)可以重写为：因为σ控制高斯分布的扩展及其对图像的平滑效果，σ2必须大于σ1，但σ1为了有效地捕捉原始固有结构模式的实际梯度，由高斯导数的差异保留。4.基于权利要求书2所述的原始固有结构模式，其特征在于，原始固有结构模式可以定义为以下函数：基于所使用的高斯二阶导数的滤波器特征是带通滤波器，公式(7)转换形成带通响应；确定在灰度级不明显的原始固有结构模式，将原始固有结构模式嵌入到灰度图像中，创建一个完整的结构特征化的脸型；因此，原始固有结构模式在图像灰度级加强。5.基于权利要求书1所述的全脸结构模式的计算(二)...

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东,44