从脸图像鉴别脸的方法和相应的设备及计算机程序技术

本发明专利技术涉及一种从与至少一个人相关的称为查询图像的脸图像鉴别脸的方法。这种鉴别方法包括使用训练图像的训练阶段和能够鉴别出现在查询图像上的脸的识别阶段。根据本发明专利技术，训练阶段包括通过使用与至少一个人相关联的至少两幅训练脸图像的组执行的至少一个图像过滤步骤，从而能够选择代表将被鉴别的脸的至少一幅训练图像。上述识别阶段仅使用在训练阶段期间选择的训练图像。使用属于如下组的阈值中的至少一个阈值来执行所述图像过滤步骤，所述组包括：考虑与前述图像中的至少一些图像相关联的矢量对由所述矢量形成的云的隶属关系的最大距离（ＤＲＣ↓［ｍａｘ］）；和所述矢量和在将所述矢量投影到与所述矢量云相关联的空间上之后重构的矢量之间的最大距离（ＤＯ↓［ｍａｘ］）。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术的
为对图像和诸如视频序列的图像序列进行处理的领域。更具体地讲，本专利技术涉及一种用于从一个人或多个人的脸图像的集合识别脸的技术。 本专利技术可专门应用于，但不只应用于生物统计学、视频监视或作视频索引的领域中，在这些领域中，从静止图像或视频序列识别脸(例如用于授权识别的人获得对受保护地方的访问)是很重要的。
技术介绍
迄今为止，存在用于从静止图像或运动图像序列识别脸的几种技术。这些技术经典地依赖于第一学习阶段和第二识别阶段，在第一学习阶段中，从不同的人的脸图像(可从学习视频序列提取这些脸图像)构建学习库，在第二识别阶段期间，学习库的图像用于识别人。 这些技术通常基于学习库使用统计方法计算描述空间，在该描述空间中，评估两张脸之间的相似性。然后目标是用脸在描述空间中的投影之间的空间邻近的简单概念来尽可能忠实地表达两张脸之间的类似程度的概念。 不同的现有技术之间的主要差异在于在识别阶段期间执行的处理。 因而，A.W.Senior在“Recognizing Faces in Broadcast Video”，Proc.of Int.Workshop on Recognition，Analysis and Tracking ofFaces and Gestures in Real Time Systems，Corfu，Greece，September1999，pp.105-110中提出了在识别阶段期间使用从视频序列提取的所有脸图像或单幅关键的脸图像，即，脸检测器分配给最高置信分的脸图像。 在另一方法中，A.Hadid和M.Pietikinen在“From Still Imageto Video-Based Face RecognitionAn Experimental Analysis”，Proc.of 6th Int.Conf.on Automatic Face and Gesture Recognition，Seoul，Korea，May 2004，pp.813-818中就他们的部分提出了在不分析从视频序列选择的关键图像所包含的脸的情况下从视频序列选择关键图像，然后仅考虑从这些关键图像提取的脸来执行识别。由于每张脸返回不同的结果，所以然后使用合并这些结果的经典过程，进行后验。 最后，E.Acosta等就他们的部分在“An Automatic Face Detectionand Recognition System for Video Indexing Applications”，Proc.ofthe Int.Conf.on Acoustic Speech and Signal Processing(vol.4)，Orlando，Florida，May 2002，pp.IV-3644-IV-3647中在识别期间使用从查询视频序列提取的所有脸。为了评估请求和存储在学习库中的多个人中的一个人的模型之间的相似度，计算从查询序列提取的每幅脸图像和模型之间的相似性的度量。相似性的最终值是计算的所有度量的中间值，这相当于仅考虑已提取的所有脸图像中的一张脸图像。 现有技术的缺点 这些不同的现有技术都依赖于这样的统计方法，即，这些统计方法能够构建将脸图像投影到其中的描述空间。现在，这些投影必须能够吸收可影响脸图像的变化，即，无论可影响脸图像的变化如何，它们都必须能够突出脸图像之间的类似程度。 这些变化可以是两种类型的。首先存在脸表情(例如，微笑)改变和隐蔽形式(比如，戴眼镜、胡子等)所固有的全部变化。然后，存在由于获取图像的条件(比如，照明条件)和脸的分割(比如，提取包含脸的图像部分并使其居中)而引起的变化。 尽管当在好的照明条件下将脸图像很好地框起来并拍摄该脸图像时用于识别脸的现有技术方法是有效的，但是当没有非常好地调准用于学习或者识别期间的脸图像(即，脸、眼睛、嘴巴、鼻子等的不同特征在所有的脸图像中不在相同的位置)和/或用于学习或者识别期间的脸图像的质量不好时，它们的性能急剧恶化。 现在，在从视频序列识别脸的情况下，一般不对脸图像的调准和高质量的这些条件进行验证。另一方面，序列的获取没有受到非常大的约束，并且在整个获取时间内将被识别的人一般没有保持处于面对相机的正面位置。第二，通过脸检测技术从视频序列自动地提取脸图像，所述脸检测技术可产生伪检测并且就加框而言不精确。因此，在该背景下使用的脸图像的质量可能很差并且不能被很好地框起来，而且这些脸图像可包含差的检测。 本专利申请的专利技术者因此认识到这样的事实，即，用于从视频序列识别脸的现有方法的主要缺点中的一个缺点在于没有考虑所使用的脸图像的质量的事实。 因而，例如，在学习阶段期间惯常考虑所有可利用的脸图像(例如，从视频序列提取的所有脸图像)。这极大地降低了这些技术的性能，这是因为由于用于脸识别的(PCA或主成分分析类型的)统计方法依赖于协方差矩阵的计算(即，一阶矩和二阶矩)，所以这些统计方法对噪声极其敏感。 类似地，根据这些现有技术方法，在识别阶段期间使用的脸图像的选择不是最优的。现在，这些图像的选择极大地影响这些脸识别技术的性能必须将它们很好地框起来并且它们必须具有好质量。然而，这以上所引用的现有技术方法中没有一种方法提出考虑图像的“质量，，的图像选择模式。
技术实现思路
本专利技术特别旨在克服现有技术的缺点。 更具体地讲，本专利技术的目的是提供一种与现有技术相比性能改进的用于从静止脸图像或视频序列识别脸的技术。具体地讲，本专利技术的目的是提出这种类型的技术，即，即使当将处理的脸图像有噪声、没有被很好地框起来和/或显示差的照明条件时也给出满意的结果的技术。 本专利技术的另一目的是提出这种类型的技术，即，可用于最优化这些技术所依赖的统计方法的识别能力的技术。 本专利技术的另一目的是提出这种类型的技术，即，考虑所使用的脸图像的质量的技术。 本专利技术的又一目的是提出这种类型的技术，即，很好地适于在例如生物统计学、视频监视和作视频索引的应用背景下识别几个不同的人的技术。 本专利技术的目的还在于提供这种类型的技术，即，简单并且几乎不花费成本地实现的技术。 通过从与至少一个人相关联的至少两幅脸图像的组中鉴别至少一张脸的方法来实现这些目的以及这里以下将出现的其它目的，所述方法包括学习阶段和识别所述至少一张脸的阶段。 根据本专利技术，学习阶段包括至少一个第一步骤，所述至少一个第一步骤通过使用与所述至少一个人相关联的至少两幅学习脸图像的组对所述图像进行过滤，以使得能够选择代表将被鉴别的所述脸的至少一幅学习图像，所述识别阶段仅使用在学习阶段期间选择的所述学习图像。通过使用属于如下组的阈值中的至少一个阈值来进行过滤，所述组包括 -至少考虑与所述图像中的至少某些图像相关联的矢量在由所述矢量构成的云中的隶属关系的最大距离(DRCmax)； -在所述矢量和在将所述矢量投影到与所述矢量云相关联的空间上之后重构的矢量之间的最大距离(DOmax)。 因而，本专利技术依赖于从静止图像或者从视频序列提取的图像来鉴别脸的完全新颖和具有创造性的方法。事实上，本专利技术提出不考虑可获得的脸图像的集合来鉴别人的脸，而是执行对图像的过滤以仅选择好质量的图像，即，代表将被鉴别的脸的图像(由于该脸处于正面姿势，或者被本文档来自技高网...

【技术保护点】
一种从与至少一个人相关联的至少两幅脸图像的组鉴别至少一张脸的鉴别方法，该方法包括学习阶段和对所述至少一张脸的识别阶段，其特征在于，所述学习阶段包括至少一个第一步骤，即，通过使用与所述至少一个人相关联的至少两幅学习脸图像的组对所述图像进行过滤，以使得能够选择代表将被鉴别的所述脸的至少一幅学习图像，所述识别阶段仅使用在所述学习阶段期间选择的所述学习图像，并且，其特征在于，使用属于如下组的阈值中的至少一个阈值来进行所述过滤，所述组包括：－至少考虑与所述图像中的至少某些图像相关联的矢量在由所述矢量构成的云中的隶属隶属关系的最大距离（ＤＲＣ↓［ｍａｘ］）；－在所述矢量和在将所述矢量投影到与所述矢量云相关联的空间上之后重构的矢量之间的最大距离（ＤＯ↓［ｍａｘ］）。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：锡德A伯拉尼，克里斯托弗加西亚，
申请(专利权)人：法国电信公司，
类型：发明
国别省市：FR[法国]