專利名稱：基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人臉或指紋特征識別技術(shù)、圖像或信息融合技術(shù)、視頻處理技術(shù)等的領(lǐng)域，尤其是基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法。
背景技術(shù)：
在2010年5月舉行的第13屆嵌入系統(tǒng)技術(shù)開發(fā)展上，英特爾日本公司展示了附帶數(shù)字標(biāo)牌的自動售貨機，其內(nèi)置攝像頭模塊可根據(jù)影像來識別有無使用者、使用者的性別和年齡層等等。機器前部配備了帶有觸摸功能的大屏液晶顯示器，可根據(jù)使用者的性別和年齡層顯示推薦商品。2010年7月，日本11家地鐵公司聯(lián)合推出了“數(shù)字化號牌推廣計劃”，在東京周邊的地鐵站中安裝了 27臺具備人臉識別能力的廣告顯示器，其中安裝有攝像頭和人臉識別軟件，可自動識別經(jīng)過廣告牌的旅客的性別和年齡，并播放相應(yīng)內(nèi)容。原始特征一般存在于高維空間，可以通過映射變換將其轉(zhuǎn)換到低維特征空間，但其變換過程要符合兩個主要準(zhǔn)則一是特征空間必須保留原高維空間的主要信息，二是特征空間的維數(shù)必須遠(yuǎn)遠(yuǎn)低于原高維空間，目前，性別識別絕大部分是采用人臉識別的，而服裝、發(fā)型、裝飾、聲音、步態(tài)等特征研究的較少，特別是服裝和裝飾更少，主要原因是這些特征難以檢測和自動提取，比如頭發(fā)，要檢測并提取出來是非常具有挑戰(zhàn)性的，主要是其非剛性形狀，還有就是顏色變化非常大，這比人臉提取難度大得多了，另外，如果人臉檢測的是側(cè)面人臉，那么人臉特征將很難獲取，這樣會導(dǎo)致識別的拒絕率提高。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是為了克服上述中存在的問題，提供一種能夠方便提取出區(qū)別不同模式問題的顯著特征的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，包括人群特征提取，特征提取就是應(yīng)用不同的特征提取方法提取出區(qū)別不同模式問題的顯著特征。在模式識別問題中，由被識別的對象產(chǎn)生一組原始特征向量， 這些特征向量可以是測量得到，也可以是通過數(shù)學(xué)公式計算得到。原始特征一般存在于高維空間，可以通過映射變換將其轉(zhuǎn)換到低維特征空間，但其變換過程要符合兩個主要準(zhǔn)則 一是特征空間必須保留原高維空間的主要信息，二是特征空間的維數(shù)必須遠(yuǎn)遠(yuǎn)低于原高維空間，其具體步驟是a.人臉圖像的特征提取包括利用二維Gabor小波進(jìn)行圖像進(jìn)行多尺度分析的整體特征提取和基于合成的圖像分析技術(shù)來對人臉圖像進(jìn)行特征提取和建模的局部特征提取，二維Gabor小波是圖像多尺度分析的有力工具，具有很好的方向選擇性和空間局部性， 能精確地提取圖像局部區(qū)域內(nèi)多個方向的結(jié)構(gòu)特征，并且對光照和尺度變化不敏感，能容忍圖像一定程度的旋轉(zhuǎn)和變形，具有較高的魯棒性；b.發(fā)型特征提取，提出的Graph-Cut算法是一種自動提取人臉和發(fā)型的顏色和位置聚類優(yōu)先方法(1)從視頻中獲取一幀圖像進(jìn)行檢測，可以定時獲取圖像或是已經(jīng)檢測到場景中有人物時定時獲取單帖圖像進(jìn)行處理；( 對獲取一幀后的圖像進(jìn)行預(yù)處理， 這一步處理的效果影響后面發(fā)型模型提取的效果，因為發(fā)型提取與人臉提取不一樣，人臉模型的剛性比較強，人臉的反光度比頭發(fā)低，即人臉對光照的敏感度比頭發(fā)要低；C3)對預(yù)處理后的圖像進(jìn)行人臉和發(fā)型的分割，其方法有簡單的顏色和位置聚類算法、LBP算法、 Graph-Cut算法、Loopy Belief Propagation算法和顏色和位置聚類優(yōu)先的Graph-Cut算法等，顏色和位置聚類優(yōu)先的Graph-Cut算法效果較好；(4)發(fā)型模型形成，在進(jìn)行分割后， 可以從分割圖中提取出發(fā)型模型；c.步態(tài)特征提取(1)從視頻文件中獲取步態(tài)序列；( 以每個周期為單位計算一個周期內(nèi)的平均能量圖；C3)對每個能量圖取六個點后用線連起來，對其圖像進(jìn)行分割成七個部分；(4)分別提取每個部分的Gabor特征進(jìn)行相似度測量。提取的每個部分的Gabor特征是提取的頭部、手臂、軀干、大腿、前腿、后腿和腳的特征。本發(fā)明的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法的有益效果是利用人臉圖像特征提取方法，能夠使其快速方便提取；采用此發(fā)型特征提取方法，能夠使其自動提取人臉和發(fā)型的顏色和位置；采用步態(tài)特征提取方法，在檢測到人臉任何部位時，都能夠獲取人臉特征，避免了識別拒絕的現(xiàn)象產(chǎn)生。


下面結(jié)合附圖和實施例對本發(fā)明進(jìn)一步說明。圖1是本發(fā)明的一個周期內(nèi)的平均能量圖；圖2是本發(fā)明的步態(tài)特征中步態(tài)圖像分割圖；圖3是本發(fā)明的步態(tài)特征中步態(tài)相似度測量圖；圖4是本發(fā)明的步態(tài)特征中步態(tài)特征提取圖。
具體實施例方式現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。如圖1、圖2和圖3所示的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，包括人群特征提取，其具體步驟是首選進(jìn)行人臉圖像的特征提取包括利用二維Gabor小波進(jìn)行圖像進(jìn)行多尺度分析的整體特征提取和基于合成的圖像分析技術(shù)來對人臉圖像進(jìn)行特征提取和建模的局部特征提??；其次進(jìn)行發(fā)型特征提取(1)從視頻中獲取一幀圖像進(jìn)行檢測，可以定時獲取圖像或是已經(jīng)檢測到場景中有人物時定時獲取單帖圖像進(jìn)行處理；(2) 對獲取一幀后的圖像進(jìn)行預(yù)處理，這一步很重要，這一步處理的效果影響后面發(fā)型模型提取的效果，因為發(fā)型提取與人臉提取不一樣，人臉模型的剛性比較強，人臉的反光度比頭發(fā)低，即人臉對光照的敏感度比頭發(fā)要低。所有這一步的處理直接影響后續(xù)發(fā)型提取和識別的效果；C3)對預(yù)處理后的圖像進(jìn)行人臉和發(fā)型的分割，這一步是整個過程的難點，主要是頭發(fā)的柔性比較大，其沒有一個相對固定的形狀，并且對光線的影響很大，無論是光照強度還是光照方向。其方法有簡單的顏色和位置聚類算法、LBP算法、Graph-Cut算法、LoopyBelief Propagation算法和顏色和位置聚類優(yōu)先的Graph-Cut算法等，顏色和位置聚類優(yōu)先的Graph-Cut算法效果較好；(4)在進(jìn)行分割后，可以從分割圖中提取出發(fā)型模型；最后進(jìn)行步態(tài)特征提取(1)從視頻文件中獲取步態(tài)序列；( 以每個周期為單位計算一個周期內(nèi)的平均能量圖；C3)對每個能量圖取六個點后用線連起來，對其圖像進(jìn)行分割成七個部分；(4)分別提取每個部分的Gabor特征進(jìn)行相似度測量。如圖4所示的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，提取的每個部分的Gabor特征是提取的頭部、手臂、軀干、大腿、前腿、后腿和腳的特征以上述依據(jù)本發(fā)明的理想實施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
權(quán)利要求
1.一種基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，包括人群特征提取，其特征是其具體步驟是a.人臉圖像的特征提取包括利用二維Gabor小波進(jìn)行圖像進(jìn)行多尺度分析的整體特征提取和基于合成的圖像分析技術(shù)來對人臉圖像進(jìn)行特征提取和建模的局部特征提取；b.發(fā)型特征提取(1)從視頻中獲取一幀圖像進(jìn)行檢測；( 對獲取一幀后的圖像進(jìn)行預(yù)處理；(3)對預(yù)處理后的圖像進(jìn)行人臉和發(fā)型的分割；(4)發(fā)型模型形成；c.步態(tài)特征提取(1)從視頻文件中獲取步態(tài)序列；( 以每個周期為單位計算一個周期內(nèi)的平均能量圖；C3)對每個能量圖取六個點后用線連起來，對其圖像進(jìn)行分割成七個部分；(4)分別提取每個部分的Gabor特征進(jìn)行相似度測量。
2.根據(jù)權(quán)利要求1所述的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，其特征是提取的每個部分的Gabor特征是提取的頭部、手臂、軀干、大腿、前腿、后腿和腳的特征。
全文摘要
本發(fā)明涉及基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，其具體步驟是a.人臉圖像的特征提?。籦.發(fā)型特征提??；c.步態(tài)特征提取。本發(fā)明的基于復(fù)雜環(huán)境下目標(biāo)人群的多種特征的提取方法，利用人臉圖像特征提取方法，能夠使其快速方便提??；采用此發(fā)型特征提取方法，能夠使其自動提取人臉和發(fā)型的顏色和位置；采用步態(tài)特征提取方法，在檢測到人臉任何部位時，都能夠獲取人臉特征，避免了識別拒絕的現(xiàn)象產(chǎn)生。
文檔編號G06K9/46GK102368300SQ20111026474
公開日2012年3月7日 申請日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者余人強, 劉華平, 吳軍 申請人:常州藍(lán)城信息科技有限公司