一种人脸图像稀疏编码方法和装置制造方法及图纸

本发明专利技术提供了一种人脸图像稀疏编码方法和装置，属于图像处理技术领域。该方法包括获取训练集的人脸图像的码本；在待编码人脸图像中分割出至少两个局部区域；提取各个局部区域的图像特征；确定与待编码局部区域相似的已编码相似局部区域；获取已编码相似局部区域的稀疏编码参数；根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。本发明专利技术的人脸图像稀疏编码方法和装置的稀疏编码速度较快。

【技术实现步骤摘要】
一种人脸图像稀疏编码方法和装置
本专利技术涉及图像处理
，尤其涉及一种人脸图像稀疏编码方法和装置。
技术介绍
近年来，稀疏编码在人脸识别，特别是非限定条件下的人脸识别中得到广泛使用，并进一步提高了人脸识别的准确率。但该方法需要对人脸的每个局部区域进行稀疏编码，也就是对每个局部区域都需要求解以下非负约束的非线性优化问题。min||p-Dc||2+λ||c||1,s.t.c≥0,（1）其中p为当前人脸区域的特征，D为稀疏编码的码本，c为该局部区域对应的稀疏编码。因此，该方法计算量大，相比其他特征提取方法，处理一张人脸图片需要更长时间。目前稀疏编码问题可以通过内点法，最小角回归（LeastAngleRegression）[1]，基向量寻踪（basispursuit），SplitBregman等方法求解。但是这些方法没有充分利用人脸图像的特点，导致现有的稀疏编码方法的编码速度较慢。
技术实现思路
有鉴于此，本专利技术要解决的技术问题是提供一种编码速度较快的人脸图像稀疏编码方法和装置。本专利技术解决上述技术问题所采用的技术方案如下：根据本专利技术的一个方面，提供的人脸图像稀疏编码方法包括：获取训练集的人脸图像的码本；在待编码人脸图像中分割出至少两个局部区域；提取各个局部区域的图像特征；确定与待编码局部区域相似的已编码相似局部区域；获取已编码相似局部区域的稀疏编码参数；根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。优选地，确定与待编码局部区域相似的已编码相似局部区域包括：确定与待编码局部区域邻近的邻近局部区域，判断邻近局部区域是否已编码，如果已编码，则确定邻近局部区域为已编码邻近局部区域；确定与待编码局部区域相对于人脸图像的纵向中轴线对称的对称局部区域，判断对称局部区域是否已编码，如果已编码，则确定对称局部区域为已编码对称局部区域。优选地，根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码包括：将已编码相似局部区域的稀疏编码参数的均值作为迭代优化算法中对应参数的初值；根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。优选地，人脸图像稀疏编码方法还包括：通过学习的方法确定已编码邻近局部区域和已编码对称局部区域的稀疏编码参数在迭代优化算法中的组合权重。优选地，根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码包括：根据已编码邻近局部区域的稀疏编码参数、已编码对称局部区域的稀疏编码参数和组合权重确定迭代优化算法中对应参数的初值；根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。根据本专利技术的另一个方面，提供的一种人脸图像稀疏编码装置包括：码本获取模块，用于获取训练集的人脸图像的码本；图像分割模块，用于在待编码人脸图像中分割出至少两个局部区域；特征提取模块，用于提取各个局部区域的图像特征；相似区域确定模块，用于确定与待编码局部区域相似的已编码相似局部区域；参数获取模块，用于获取已编码相似局部区域的稀疏编码参数；稀疏编码获取模块，用于根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。优选地，相似区域确定模块包括：邻近区域确定模块，用于确定与待编码局部区域邻近的邻近局部区域，判断邻近局部区域是否已编码，如果已编码，则确定邻近局部区域为已编码邻近局部区域；对称区域确定模块，用于确定与待编码局部区域相对于人脸图像的纵向中轴线对称的对称局部区域，判断对称局部区域是否已编码，如果已编码，则确定对称局部区域为已编码对称局部区域。优选地，稀疏编码获取模块包括：第一初值确定模块，用于将已编码相似局部区域的稀疏编码参数的均值作为迭代优化算法中对应参数的初值；第一稀疏编码计算模块，用于根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。优选地，人脸图像稀疏编码装置还包括：权重获取模块，用于通过学习的方法确定已编码邻近局部区域和已编码对称局部区域的稀疏编码参数在迭代优化算法中的组合权重。优选地，稀疏编码获取模块包括：第二初值确定模块，用于根据已编码邻近局部区域的稀疏编码参数、已编码对称局部区域的稀疏编码参数和组合权重确定迭代优化算法中对应参数的初值；第二稀疏编码计算模块，用于根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。本专利技术的人脸图像稀疏编码方法和装置，通过确定与待编码局部区域相似的已编码相似局部区域，根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码，因为已编码相似局部区域的稀疏编码参数与待编码局部区域的稀疏编码参数较为接近，因此根据已编码相似局部区域的稀疏编码参数，通过迭代优化算法来获取待编码局部区域的稀疏编码时，会使得迭代优化算法更快收敛，减少了迭代优化算法的迭代次数，从而提高了对人脸图像进行稀疏编码的速度。另外，本专利技术实施例的人脸图像稀疏编码方法和装置，通过学习的方法确定已编码邻近局部区域和已编码对称局部区域的稀疏编码参数在迭代优化算法中的组合权重，根据已编码邻近局部区域的稀疏编码参数、已编码对称局部区域的稀疏编码参数和组合权重确定迭代优化算法中对应参数的初值，这样可以使得已编码邻近局部区域的稀疏编码参数和已编码对称局部区域的稀疏编码参数在迭代优化算法中的组合最优化，使得得到的迭代优化算法中对应参数的初值更接近待编码局部区域的稀疏编码参数，进一步减少了迭代次数，提高了对人脸图像进行稀疏编码的速度。附图说明图1为本专利技术实施例1提供的人脸图像稀疏编码方法流程图；图2为本专利技术实施例1中获取码本的方法流程图；图3为本专利技术实施例1中确定相似局部区域的方法流程图；图4为本专利技术实施例1中获取稀疏编码的方法流程图；图5为本专利技术实施例2提供的人脸图像稀疏编码方法流程图；图6为本专利技术实施例3提供的人脸图像稀疏编码方法流程图；图7为本专利技术实施例3中待编码人脸图像的分割示意图；图8为本专利技术实施例3中确定待编码局部区域的邻近和对称已编码局部区域的示意图；图9为本专利技术实施例4提供的人脸图像稀疏编码装置模块结构图；图10为本专利技术实施例4中码本获取模块的结构示意图；图11为本专利技术实施例4中相似区域确定模块的结构示意图；图12为本专利技术实施例4中稀疏编码获取模块的结构示意图；图13为本专利技术实施例5提供的人脸图像稀疏编码装置模块结构图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术实施例1提供的人脸图像稀疏编码方法包括：S11、获取训练集的人脸图像的码本；如图2所示，步骤S11包括如下步骤：S111、在训练集的人脸图像中分割出至少两个局部区域；具体地，在步骤S111中，可以以预定的步长和预定的局部区域大小来分本文档来自技高网...

【技术保护点】
一种人脸图像稀疏编码方法，其特征在于，该方法包括：获取训练集的人脸图像的码本；在待编码人脸图像中分割出至少两个局部区域；提取各个局部区域的图像特征；确定与待编码局部区域相似的已编码相似局部区域；获取已编码相似局部区域的稀疏编码参数；根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。

【技术特征摘要】
1.一种人脸图像稀疏编码方法，其特征在于，该方法包括：获取训练集的人脸图像的码本；在待编码人脸图像中分割出至少两个局部区域；提取各个局部区域的图像特征；确定与待编码局部区域相似的已编码相似局部区域；获取已编码相似局部区域的稀疏编码参数；根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。2.根据权利要求1所述的人脸图像稀疏编码方法，其特征在于，所述确定与待编码局部区域相似的已编码相似局部区域包括：确定与待编码局部区域邻近的邻近局部区域，判断所述邻近局部区域是否已编码，如果已编码，则确定所述邻近局部区域为已编码邻近局部区域；确定与待编码局部区域相对于人脸图像的纵向中轴线对称的对称局部区域，判断所述对称局部区域是否已编码，如果已编码，则确定所述对称局部区域为已编码对称局部区域。3.根据权利要求1-2任意一项权利要求所述的人脸图像稀疏编码方法，其特征在于，所述根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码包括：将已编码相似局部区域的稀疏编码参数的均值作为迭代优化算法中对应参数的初值；根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。4.根据权利要求2所述的人脸图像稀疏编码方法，其特征在于，所述人脸图像稀疏编码方法还包括：通过学习的方法确定已编码邻近局部区域和已编码对称局部区域的稀疏编码参数在迭代优化算法中的组合权重。5.根据权利要求4所述的人脸图像稀疏编码方法，其特征在于，所述根据已编码相似局部区域的稀疏编码参数、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码包括：根据已编码邻近局部区域的稀疏编码参数、已编码对称局部区域的稀疏编码参数和组合权重确定迭代优化算法中对应参数的初值；根据参数的初值、待编码局部区域的图像特征和码本，通过迭代优化算法得到待编码局部区域的稀疏编码。6.一种人脸图像稀疏编...

【专利技术属性】
技术研发人员：覃剑钊，丁宁，阎镜予，黄卜夫，
申请(专利权)人：智慧城市系统服务中国有限公司，
类型：发明
国别省市：广东;44