提高人脸识别正确率的方法技术

本发明专利技术涉及一种提高人脸识别正确率的方法，包括以下步骤：ａ）从一参考图片中得到人脸部分，作为目标匹配图像；ｂ）计算该目标匹配图像的三个中心点位置；ｃ）计算该目标匹配图像的ＳＩＦＴ特征点集；ｄ）对一待匹配图像，计算该待匹配图像的三个中心点位置和ＳＩＦＴ特征点集；ｅ）使用ＳＩＦＴ匹配算法找出该待匹配图像与该目标匹配图像的匹配点；以及ｆ）判定每一对匹配点是否位于人脸的相同区域，如果是，接受该对匹配点，否则拒绝该对匹配点。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其是涉及一种。
技术介绍
SIFT算法由D. G. Lowe在1999年提出，并在2004年进行了完善总结。该算法通 过提取局部特征，在尺度空间寻找极值点，提取位置，尺度，旋转等不变量，得出基本特征参 数。SIFT特征参数是图像的局部特征，其对旋转、尺度缩放保持不变，对亮度变化、视角变 化、仿射变换、噪声也保持一定程度的稳定性。目前有人成功地利用SIFT特征进行人脸识别。这类方法的核心是SIFT特征匹配 算法，它是获取待匹配的两幅图像中的SIFT特征点后，对其中一图像的特征点逐个考虑。 找出在某个点上欧式距离最近的前两个关键点。在这两个关键点中，如果最近的距离除以 次近的距离少于某个比例阈值，则接受这一对匹配点。由此，通过控制这个比例阈值，可以 调整SIFT匹配点数目进而控制匹配的稳定性。但由于这种匹配算法仅仅考虑了 SIFT特征，在实际使用中可以发现这种匹配还 是具有一定的盲目性。采用这种匹配方法，得到的匹配点中经常会在不同脸部区域内的点 之间形成的匹配点对。根据SIFT特征的计算原理，一副二维图像的尺度空间可以由不同尺度的高斯核 与图像的卷积得到，如下式所示L (X，y，σ ) = G (x，y σ ) *Ι (χ, y)G(x,兄 σ) = —^—e-(x2+y2) / 2σ22πσ其中G(x，y，σ )是尺度可变高斯函数，I是每个点上的亮度，(x，y)是空间坐标， ο是尺度坐标。为了有效的在尺度空间检测到稳定的关键点，可以使用高斯差分尺度空间(DOG scale-space)。D(x, y, σ ) = (G(χ, y, k σ )-G(χ, y, σ ))*Ι(χ, y) = L(χ, y, k σ )-L(χ, y, σ )DoG算子的特点是计算简单，与尺度归一化的LoG算子的近似。Lowe的论文提供 了这种快速计算DoG算子的方法。通过该方法可以得到所需尺度空间的DoG算子。之 后根据得到的DoG算子通过和领域比较得出在尺度空间和二维图像空间都具有局部极值 的特定点以及其所处的尺度。这些点就是SIFT特征点。得到了特征点之后可以计算这些 特征点的属性。利用关键点领域象素的梯度方向分布特性为每个关键点计算方向参数和模值。每 个具体点的方向和大小的计算公式如下m(x, y)=」(l(x+1 y) - l(x -1, y))2 + (l(x, y + \)-l(x,y-\)fθ (χ, y) = tan"1 ((L(χ, y+l)-L(x, y-l))/(L(x+l, y)-L(x-l, y)))其中L所用尺度为每个关键点各自所在的尺度。根据计算所得到的领域内象素点的方向性，并结合领域象素和关键点的距离设置 权值对这些信息进行方向直方图统计。以直方图的峰值作为关键点的主方向。这样，每4x4 个象素可以形成一个种子点，利用方向直方图的方法可以得到每一个种子点在8个方向上 的方向向量。然后，对每个关键点计算16个种子点，就可以得到一个描述该关键点局部信 息的128维SIFT特征向量。该向量就是特征点匹配的关键信息。实际上，SIFT特征向量 采用了领域方向性信息联合的思想，增强了算法抗噪声的能力，同时对于含有定位误差的 特征匹配也提供了较好的容错性。
技术实现思路
本专利技术所要解决的技术问题是提供一种，它结合人脸 区域划分来去除不正确匹配的点。本专利技术为解决上述技术问题而采用的技术方案是一种提高人脸识别正确率的方 法，包括以下步骤a)从一参考图片中得到人脸部分，作为目标匹配图像；b)计算该目标匹配图像的三个中心点位置；c)计算该目标匹配图像的SIFT特征点集；d)对一待匹配图像，计算该待匹配图像的三个中心点位置和SIFT特征点集；e)使用SIFT匹配算法找出该待匹配图像与该目标匹配图像的匹配点；以及f)判定每一对匹配点是否位于人脸的相同区域，如果是，接受该对匹配点，否则拒 绝该对匹配点。在本专利技术的一实施例中，判定每一对匹配点是否位于人脸的相同区域的方法包 括对该对匹配点位于该目标匹配图像的第一点，计算该第一点到该目标匹配图像的三个 中心点的距离之和，与该目标匹配图像的三个中心点组成的三角形周长的比值rl ；对该对 匹配点位于该待匹配图像的第二点，计算该第二点到该待匹配图像的三个中心点的距离之 和，与该待匹配图像的三个中心点组成的三角形周长的比值r2 ；计算该对匹配点到各自图 像中的三个中心的距离的比值的平均值ar。当满足以下条件时，判定该对匹配点位于人脸 的相同区域rl，r2的比值在区间W. 90，1. 1]内；且ar在区间W. 90，1. 1]内。在本专利技术的一实施例中，所述三个中心为人脸的左眼中心、右眼中心和嘴部中心。在本专利技术的一实施例中，计算该目标匹配图像和/或该待匹配图像的三个中心点 位置的方法为Harr识别算法。在本专利技术的一实施例中，上述方法包括遍历多个待匹配图像，执行步骤d)_f)以 找到与目标匹配图像匹配的图像。本专利技术由于采用以上技术方案，使之与现有技术相比，通过对传统SIFT算法中的 匹配点对进行筛选，去除了不在人脸相同区域的那些匹配点，从而提高了人脸识别的正确率。附图说明为让本专利技术的上述目的、特征和优点能更明显易懂，以下结合附图对本专利技术的具 体实施方式作详细说明，其中图1示出本专利技术一实施例的流程。图2示出根据现有SIFT匹配算法的错误匹配结果。具体实施例方式根据本专利技术实施例的构思，提出了一种可以量化一个特征点是否在人的脸部区域 的算法，并以此来改善人脸识别的结果。本专利技术实施例的人脸识别方法是基于匹配算法，同时结合特征点的空间位置进行 了联合考虑。可以理解，有效匹配的两个特征点，应当在人脸的相同部位。因此在符合特征 向量欧式距离最近的基础上，还必须保证匹配的两个特征点需要在人脸相同部位。在一实施例中，人脸区域可以分成眼部、鼻子、嘴部、脸颊、额头等区域。对分别位 于相应人脸图像中对应区域内的相应位置处匹配点进行计算，如果匹配的点对是来自于同 一人脸的相同点，那么匹配点对到各自图像上三个中心点的距离之和与各自图像上三个中 心点组成的三角形的周长的比值会大致上接近于1。因此可以通过判断这一比值是否接近 于1来判断匹配点对是否来自于同一人脸的相同点。从几何学考虑，某一平面Pl内的线段AB在另外一个平面P2内的投影A' B'的 长度之和AB的长度是与Pl与P2之间的夹角成正比的。利用人脸上两眼和嘴形成的三角 形，就有三条线段，可以减少中心定位误差，计算误差。首先分别计算出两张图中对应的一对匹配点11，12各自到左眼中心、右眼中心、 嘴部中心的距离111，lrl, Iml以及112，lr2，lm2。再分别计算两张特征匹配图中左眼中 心、右眼中心、嘴部中心三者之间的相互距离lrll, lrml, Ilml以及lrl2，lrm2, llm2。然后 计算比值rl = (lll+lrl+lml)/(lrll+lrml+llml) (1)r2 = (112+lr2+lm2)/(lrl2+lrm2+llm2) (2)进一步地，计算出rl/r2 rl/r2 = (Irl2+lrm2+llm2)*(111+lrl+lml)/((Ill+lr2+lm2)*(lrll+lrml+l本文档来自技高网...

【技术保护点】
一种提高人脸识别正确率的方法，包括以下步骤：ａ）从一参考图片中得到人脸部分，作为目标匹配图像；ｂ）计算该目标匹配图像的三个中心点位置；ｃ）计算该目标匹配图像的ＳＩＦＴ特征点集；ｄ）对一待匹配图像，计算该待匹配图像的三个中心点位置和ＳＩＦＴ特征点集；ｅ）使用ＳＩＦＴ匹配算法找出该待匹配图像与该目标匹配图像的匹配点；以及ｆ）判定每一对匹配点是否位于人脸的相同区域，如果是，接受该对匹配点，否则拒绝该对匹配点。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙宏明，
申请(专利权)人：上海全景数字技术有限公司，
类型：发明
国别省市：31[中国|上海]