基于支撑向量回归的人脸伪画像\伪照片合成方法技术

本发明专利技术公开了一种基于支撑向量回归的人脸伪画像\伪照片合成方法。其步骤为：(1)划分数据库样本集；(2)在照片\画像测试集中任取一张照片\画像；(3)生成任取照片\画像对应伪画像\伪照片初始估计；(4)生成训练人脸照片\画像块集；(5)在训练人脸照片\画像块集和训练人脸画像\照片块集之间生成支撑向量回归模型；(6)生成任取照片\画像对应伪画像\伪照片高频；(7)生成最终的伪画像\伪照片。本发明专利技术将初始估计和高频细节结合生成伪画像\伪照片，使生成的伪画像\伪照片更加清晰，提高了用伪画像\伪照片检索时的识别率。本发明专利技术采用基于支撑向量回归的方法，在小样本问题上也可使用。

Method for synthesizing pseudo human face pseudo picture based on support vector regression

The invention discloses a method for synthesizing a pseudo image of a human face based on support vector regression. The method comprises the following steps: (1) the database partition data sets; (2) in the test set up \\ photo portrait of a photo portrait \\; (3) to generate any photo \\ portrait portrait photos corresponding pseudo pseudo initial estimation; (4) generating training face photo portrait \\ block set; (5) support generation vector regression model between the training set and the block \\ face photo portrait portrait photo training face block set; (6) to generate any photo \\ portrait portrait photos corresponding pseudo pseudo high frequency; (7) to generate pseudo pseudo final photo portrait. The invention combines initial estimation with high frequency detail to generate a pseudo portrait [pseudo Photo], so that the generated pseudo portrait \\ pseudo photo is clearer, and the recognition rate is improved by using pseudo portrait [pseudo photo retrieval. The invention adopts a method based on support vector regression and can be used on small sample problems.

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及一种采用模式识别与计算机视觉技 术的人脸画像-照片的合成方法，可用于刑侦领域中的人脸画像-照片识别和娱乐领域中 的画像或照片生成。
技术介绍
目前在刑侦和娱乐领域中，对任意一张人脸照片生成一张伪画像或者对任意一张 人脸画像生成一张伪照片通常基于三种方法基于局部线性的人脸画像合成方法，基于嵌 入式隐马尔科夫模型的人脸画像合成方法和基于稀疏表示的人脸画像-照片合成方法。Liu 等人在文献"Q. S. Liu and X. 0. Tang, A nonlinear approach for face sketch synthesis and recognition, in Proc. IEEE Int.Conference on Computer Vision, San Diego, CA, pp. 1005-1010，20_26Jun. 2005. ”中提出了一种局部线性来近似非 线性的方法来生成伪画像。该方法是对于任意一张照片，首先对其进行分块，对于分块后的 任意一个小块，用局部线性嵌入方法得到其最相似的K个照片块和这K个照片块的拟合系 数，然后在训练数据库中寻找与这K个照片块对应的画像块，将照片块拟合得到的系数与 画像块进行组合，最后得到最终的伪画像。由于该方法采用了分块K近邻技术，而且最后分 块重叠的部分要进行平均，从而导致细节信息丢失进而降低了人脸画像-照片识别率。Gao 等人在文献"Gao，X.，Zhong, J.，Tao, T. and Li，X·，Local face sketch synthesis learning，Neurocomputing, vol. 71，no. 10-12，pp. 1921-1930，Jun. 2008.，，中 提出利用利用嵌入式隐马尔科夫模型来生成伪画像。该方法首先对训练库中的照片和画像 进行分块，然后用嵌入式隐马尔科夫模型对相应的照片块和画像块进行建模，任意给一张 照片，同样进行分块，对于任意的一个块，用选择性集成的思想，选择部分块生成的模型进 行伪画像的生成并进行融合从而得到最终的伪画像。由于该方法采用了选择性集成技术， 生成的伪画像要进行加权平均，导致细节信息丢失进而降低了画像-照片识别率，另外该 方法的算法复杂度太高。高新波等人在申请号201010289330.9申请日2010-09-24公开号101958000A的专利申请文件中公开的“基于稀疏表示的画像-照片生成方法”对伪画像和伪照片的细 节信息进行了增强。该方法首先用局部线性合成方法或嵌入式隐马尔科夫模型的方法生 成伪画像或伪照片的初始估计，然后用基于稀疏表示的方法合成伪画像或伪照片的细节信 息，最后将初始估计和细节信息进行融合。但是该专利申请的方法对于样本数较少的小样 本问题不适用。综上所述，现有的画像-照片合成算法都存在细节信息丢失而引起的模糊问题。 同时用现有的方法合成的伪照片和伪画像进行画像-照片检索时由于细节信息丢失导致 画像-照片识别率较低。另外已有的增强细节的方法所用的样本数比较大，使得对于样本 数较少的小样本问题不适用。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出一种基于支撑向量回归的人脸 画像-照片的合成方法，可为刑侦领域或娱乐领域提供清晰的伪画像和伪照片。本专利技术实现的具体步骤如下(1)划分数据库样本集将待处理的人脸照片\画像集分别划分为照片\画像训 练集和照片\画像测试集；(2)在照片\画像测试集中任取一张照片\画像；(3)生成伪画像\伪照片初始估计对所取的照片\画像，用嵌入式方法生成对应 的伪画像\伪照片初始估计；(4)生成一组训练人脸照片\画像块集4a)将训练照片集和训练画像集中的照片和画像分成方形照片块和画像块，生成 照片\画像块集；4b)对照片\画像块集中的每一个块，分别求水平方向和垂直方向的一阶导数和 二阶导数，并将导数值作为列向量；4c)用C均值聚类算法对照片\画像块生成的列向量进行聚类，得到一组训练人脸 照片\画像块集，为每一组照片\画像块集设定相应的序号类标；4d)将对应于照片\画像块集相同类标的画像\照片块分在同一个集中，生成一组 训练人脸画像\照片块集；(5)生成一组支撑向量回归模型5a)对于步骤4c)的一组训练人脸照片\画像块集，将每个块的所有像素值减去块 中心像素值后排成一行，所有块的所有行排成一列作为支撑向量回归模型的输入；5b)对于步骤4c)的一组训练人脸画像\照片块集，将每个块的中心像素值减去其 块内所有像素的平均值得到的值排成一列作为支撑向量回归模型的输出；5c)在步骤fe)中照片\画像块集生成的输入和对应的步骤恥)中画像\照片块 集生成的输出之间训练生成一组支撑向量回归模型；(6)生成任取照片\画像对应伪画像\伪照片的高频6a)将步骤(2)照片\画像测试集所取的照片\画像分成方形小块；6b)对步骤如)中生成的每个训练照片\画像块集计算平均值；6c)对步骤6a)中的每个小块，计算其与步骤6b)中每个照片\画像块集平均值之 间的欧式距离，得到距离最近的照片\画像块集，按照步骤5c)取出该照片\画像块集对应 的支撑向量回归模型；6d)将步骤6a)中每个小块的块内所有像素值减去块中心像素值后排成一行作为 输入，通过步骤6c)中的支撑向量回归模型获得输出值，将其输出值作为小块的伪画像\伪 照片高频，将所有小块的伪画像\伪照片高频组合得到最终伪画像\伪照片高频；(7)生成最终的伪画像\伪照片将步骤(3)中生成的伪画像\伪照片初始估计 和步骤(6)中生成的伪画像\伪照片高频相加得到最终的伪画像\伪照片。与现有技术相比，本专利技术有以下优点(1)本专利技术采用了初始估计和高频信息相加的方法使得生成的伪画像\伪照片更 加清晰；(2)本专利技术在合成高频信息时采用分块聚类合成高频信息的方法使得最终生成的 伪画像\伪照片在进行检索时识别率更高；(3)本专利技术采用支撑向量回归的方法合成高频信息使得解决小样本问题时同样适I=I O本专利技术的技术过程和效果可结合以下附图详细说明。 附图说明图1为本专利技术流程图；图2为本专利技术在CUHK student数据库上生成的伪画像的效果图；图3为本专利技术在CUHK student数据库上生成的伪照片的效果图。具体实施例方式参照图1，本专利技术具体实施方式如下步骤1，划分数据库样本集。将待处理的CUHK student数据库中的人脸照片\画像集分别划分为照片\画像 训练集U = {Up I Up e Rn}和照片\画像测试集G = {Uq I Uq e R"}，使得数据库样本集中训练 集和测试集的比例为40 % 60 %。其中，仏表示照片\画像训练集中的第ρ张照片\画像，ρ = 1,2,... ,M,M= 100，M是训练样本集的个数，Rn表示η维实数空间，Uq表示照片\画像测试集中的第q张照片\画像，q= 1,... ,N, N = 88, N是测试样本集的个数，步骤2，任取一张照片\画像。为了生成伪画像\伪照片初始估计和伪画像\伪照 片高频，需要在步骤(1)获得的照片\画像测试集G中任取一张照片\画像。步骤3，初始估计。对照片\画像测试集0任取的照片\画像，用嵌入式方法生成其对应的伪画像\本文档来自技高网...

【技术保护点】
１．一种基于支撑向量回归的人脸伪画像＼伪照片合成方法，包括如下步骤：（１）划分数据库样本集：将待处理的人脸照片＼画像集分别划分为照片＼画像训练集和照片＼画像测试集；（２）在照片＼画像测试集中任取一张照片＼画像；（３）生成伪画像＼伪照片初始估计：对所取的照片＼画像，用嵌入式方法生成对应的伪画像＼伪照片初始估计；（４）生成一组训练人脸照片＼画像块集：４ａ）将训练照片集和训练画像集中的照片和画像分成方形照片块和画像块，生成照片＼画像块集；４ｂ）对照片＼画像块集中的每一个块，分别求水平方向和垂直方向的一阶导数和二阶导数，并将导数值作为列向量；４ｃ）用Ｃ均值聚类算法对照片＼画像块生成的列向量进行聚类，得到一组训练人脸照片＼画像块集，为每一组照片＼画像块集设定相应的序号类标；４ｄ）将对应于照片＼画像块集相同类标的画像＼照片块分在同一个集中，生成一组训练人脸画像＼照片块集；（５）生成一组支撑向量回归模型：５ａ）对于步骤４ｃ）的一组训练人脸照片＼画像块集，将每个块的所有像素值减去块中心像素值后排成一行，所有块的所有行排成一列作为支撑向量回归模型的输入；５ｂ）对于步骤４ｃ）的一组训练人脸画像＼照片块集，将每个块的中心像素值减去其块内所有像素的平均值得到的值排成一列作为支撑向量回归模型的输出；５ｃ）在步骤５ａ）中照片＼画像块集生成的输入和对应的步骤５ｂ）中画像＼照片块集生成的输出之间训练生成一组支撑向量回归模型；（６）生成任取照片＼画像对应伪画像＼伪照片的高频：６ａ）将步骤（２）照片＼画像测试集所取的照片＼画像分成方形小块；６ｂ）对步骤４ｃ）中生成的每个训练照片＼画像块集计算平均值；６ｃ）对步骤６ａ）中的每个小块，计算其与步骤６ｂ）中每个照片＼画像块集平均值之间的欧式距离，得到距离最近的照片＼画像块集，按照步骤５ｃ）取出该照片＼画像块集对应的支撑向量回归模型；６ｄ）将步骤６ａ）中每个小块的块内所有像素值减去块中心像素值后排成一行作为输入，通过步骤６ｃ）中的支撑向量回归模型获得输出值，将其输出值作为小块的伪画像＼伪照片高频，将所有小块的伪画像＼伪照片高频组合得到最终伪画像＼伪照片高频；（７）生成最终的伪画像＼伪照片：将步骤（３）中生成的伪画像＼伪照片初始估计和步骤（６）中生成的伪画像＼伪照片高频相加得到最终的伪画像＼伪照片。...

【技术特征摘要】

【专利技术属性】
技术研发人员：高新波，张杰伟，李洁，王楠楠，邓成，田春娜，韩冠，高亚欣，张铭津，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87