【技术实现步骤摘要】
一种基于多特征融合的人脸图像提取方法及系统
本专利技术涉及图像处理
，尤其涉及一种基于多特征融合的人脸图像提取方法及系统。
技术介绍
基于人脸图像的计算机辅助分类，是使用计算机技术对人脸图像进行处理后分析得到一系列的分析结果，通过进一步细化分析结果，从而针对人脸特征实现分类。由于人脸结构复杂，提取得到的特征表达能力较低。现有对于人脸图像特征提取，主要是通过方向梯度直方图(HistogramofOrientedGradient，简称HOG)算法重点检测边缘特征，该算法采用了较多的参数，只能刻画形状信息，受噪声干扰较大，很难处理人脸图像中的遮挡问题。对于单一类型的人脸图像，对其局部特征进行自动分类时，复杂性较大，实现的分类灵敏度低；同时，特征表达能力较弱，尤其是综合呈现多种特征的人脸图像。因此，现在亟需一种基于多特征融合的人脸图像提取方法及系统来解决上述问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种基于多特征融合的人脸图像提取方法及系统。第一方面，本专利技...
【技术保护点】
1.一种基于多特征融合的人脸图像提取方法，其特征在于，包括：/n对第一人脸图像和第二人脸图像进行特征融合处理，得到人脸检测综合特征，所述第一人脸图像和所述第二人脸图像是通过对不同的人脸图像分别进行哈尔特征扩展处理得到的；/n对所述人脸检测综合特征进行局部提取，获取人脸局部特征；/n将所述人脸局部特征输入到训练好的人脸特征分类模型中，输出得到所述第一人脸图像和所述第二人脸图像的人脸特征分类结果；所述训练好的人脸特征分类模型是由样本人脸局部特征，通过Adaboost算法训练得到的。/n
【技术特征摘要】
1.一种基于多特征融合的人脸图像提取方法，其特征在于，包括：
对第一人脸图像和第二人脸图像进行特征融合处理，得到人脸检测综合特征，所述第一人脸图像和所述第二人脸图像是通过对不同的人脸图像分别进行哈尔特征扩展处理得到的；
对所述人脸检测综合特征进行局部提取，获取人脸局部特征；
将所述人脸局部特征输入到训练好的人脸特征分类模型中，输出得到所述第一人脸图像和所述第二人脸图像的人脸特征分类结果；所述训练好的人脸特征分类模型是由样本人脸局部特征，通过Adaboost算法训练得到的。
2.根据权利要求1所述的基于多特征融合的人脸图像提取方法，其特征在于，所述对第一人脸图像和第二人脸图像进行特征融合处理，得到人脸检测综合特征，包括：
获取第一特征矩形和第二特征矩形，用于提取人脸图像中的特征，其中，所述第一特征矩形为所述第一人脸图像的滑动窗口，所述第二特征矩形为所述第二人脸图像的滑动窗口；
同时滑动所述第一特征矩形和所述第二特征矩形，分别获取所述第一特征矩形和所述第二特征矩形中的矩形特征的个数，所述矩形特征包括非旋转矩形特征和旋转矩形特征；
根据所述矩形特征的个数，获取所述第一人脸图像和所述第二人脸图像的特征相关性，并根据所述特征相关性，将满足预设条件的特征作为人脸检测综合特征。
3.根据权利要求2所述的基于多特征融合的人脸图像提取方法，其特征在于，所述根据所述矩形特征的个数，获取所述第一人脸图像和所述第二人脸图像的特征相关性，并根据所述特征相关性，将满足预设条件的特征作为人脸检测综合特征，包括：
根据所述第一特征矩形，分别获取所述第一人脸图像的非旋转矩形特征个数和旋转矩形特征个数，公式为：
其中，NRFi表示第i个第一人脸图像的非旋转矩形特征个数，Xi表示第i个第一人脸图像中非旋转矩形特征在水平方向的最大放大比例系数，Yi表示第i个第一人脸图像中非旋转矩形特征在垂直方向的最大放大比例系数，Wi表示第i个第一人脸图像的宽度，wi表示第一特征矩形的宽度，Hi表示第i个第一人脸图像的高度，hi表示第一特征矩形的高度；RFi表示第i个第一人脸图像的旋转矩形特征个数，X’i表示第i个第一人脸图像中旋转矩形特征在水平方向的最大放大比例系数，Y’i表示第i个第一人脸图像中旋转矩形特征在垂直方向的最大放大比例系数，
根据所述第二特征矩形，分别获取所述第二人脸图像的非旋转矩形特征个数和旋转矩形特征个数，公式为：
其中，j表示第j个第二人脸图像；
根据对比判定阈值公式，计算所述第一人脸图像和所述第二人脸图像的特征相关性，所述对比判定阈值公式r(i,j)为：<...
【专利技术属性】
技术研发人员：李建强，冯慧，丁淑杰，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。