一种融合手工设计描述子和深度特征的人脸姿态估计方法技术

本发明专利技术公开了一种融合手工设计描述子和深度特征的人脸姿态估计方法，常应用于针对安全防范和人脸识别应用的人脸图像质量评测。该方法使用SIFT描述子提取人脸图像的轮廓和局部信息，使用DeepID深度网络提取人脸图像的表观和结构信息，主要包括以下步骤：训练一个提取深度特征的深度神经网络模型，输入一张检测得到的人脸图像，利用该深度网络模型提取所述人脸图像深度特征；提取具有尺度空间不变特性的SIFT特征向量，将该人脸图像的SIFT特征以及深度特征串联，输入到训练好的SVM分类器进行分类，确定该待分类的人脸的姿态类别。本发明专利技术能够有效地进行人脸姿态估计，提高姿态估计的准确率。

A Face Attitude Estimation Method Combining Manual Design Descriptor and Depth Feature

The invention discloses a face pose estimation method combining manual design descriptors and depth features, which is often applied to face image quality evaluation for security prevention and face recognition applications. The method uses SIFT descriptor to extract the contour and local information of face image, and DeepID depth network to extract the appearance and structure information of face image. It mainly includes the following steps: training a depth feature extraction neural network model, inputting a detected face image, using the depth network model to extract the depth feature of the face image; extracting the depth feature of the face image with DeepID depth network model; The SIFT feature vectors with invariant scaling space are connected in series with the SIFT feature and depth feature of the face image and input into the trained SVM classifier to classify and determine the pose category of the face to be classified. The method can effectively carry out face pose estimation and improve the accuracy of pose estimation.

【技术实现步骤摘要】
一种融合手工设计描述子和深度特征的人脸姿态估计方法
本专利技术涉及人脸识别和人脸图像质量评测研究领域，特别涉及一种融合手工设计描述子和深度特征的人脸姿态估计方法。
技术介绍
在人脸识别应用和监控安全防范中，由于图像采集环境和条件的不确定性，导致采集到的人脸图像质量难以把控，图像质量差异很大，会影响到人脸识别的效果。尤其是人脸姿态的复杂多变，导致人脸关键点的检测面临困难，特别是人脸角度偏转严重的情况下，会影响到人脸识别的效果。因此有必要对图像中人脸的姿态进行预测和估计，以控制人脸姿态对识别性能的影响。如何准确、快速地将图像中的人脸姿态进行估计，仍是一个研究热点。现有的人脸图像评测方法，主要分为两大类，一类是基于人脸比对的人脸图像质量评价方法，另一类是基于多种属性评价的方法。基于人脸比对的人脸图像质量评价方法，比对计算和匹配两张人脸图像的相似度，人脸比对匹配得到的相似度就可以作为人脸图像质量的衡量标准，是属于有参考的图像评价方法，需要利用参考图像的相关信息，故对于输入数据有更严格的要求。基于多种属性评价的方法，通过对图像的特征和属性的提取进行相关指标的评价，权衡综合成人脸图像质量的评价。本文档来自技高网...

【技术保护点】
1.一种融合手工设计描述子和深度特征的人脸姿态估计方法，其特征在于，包括步骤：S1：对图像进行人脸检测；S2：对检测到的人脸图像进行滤波以去除噪声；S3：提取人脸图像的SIFT描述特征，作为手工设计描述子；提取描述人脸的深度特征；S4：对手工设计描述子和深度特征进行有效融合；S5：对融合特征进行训练，生成人脸姿态分类器；S6：利用人脸姿态分类器对图像或视频帧中的人脸姿态进行有效估计。

【技术特征摘要】
1.一种融合手工设计描述子和深度特征的人脸姿态估计方法，其特征在于，包括步骤：S1：对图像进行人脸检测；S2：对检测到的人脸图像进行滤波以去除噪声；S3：提取人脸图像的SIFT描述特征，作为手工设计描述子；提取描述人脸的深度特征；S4：对手工设计描述子和深度特征进行有效融合；S5：对融合特征进行训练，生成人脸姿态分类器；S6：利用人脸姿态分类器对图像或视频帧中的人脸姿态进行有效估计。2.根据权利要求1所述的融合手工设计描述子和深度特征的人脸姿态估计方法，其特征在于，所述步骤S1，利用OpenCV中的faceDetector对图像进行人脸检测。3.根据权利要求1所述的融合手工设计描述子和深度特征的人脸姿态估计方法，其特征在于，所述步骤S2，对检测到的人脸图像进行高斯平滑滤波，方法是：(2-1)使用计算高斯平滑滤波器，(x,y)为图像坐标，σ为标准差；(2-2)使用高...

【专利技术属性】
技术研发人员：赖剑煌，欧阳柳，吴卓亮，谢晓华，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44