一種人臉識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理，特別涉及一種人臉圖像識(shí)別方法。
【背景技術(shù)】
[0002] 基于內(nèi)容的圖像識(shí)別是從海量數(shù)字圖像信息中獲取有價(jià)值的信息，從所查詢圖像 的視覺特征出發(fā)，在人臉圖像文件庫中找出與其最為相似的被查詢者的圖像。其最關(guān)鍵的 兩項(xiàng)技術(shù)是人臉圖像特征提取和人臉特征相似性匹配。傳統(tǒng)圖像特征提取方法檢測圖像特 征點(diǎn)并進(jìn)行特征描述而得到，而通常從一幅圖像上提取的特征數(shù)量有限，且隨圖像灰度的 變化其差異性較大，甚至在有些對(duì)比度過低的圖像中還可能檢測不到特征，另外一個(gè)不利 因素是其特征點(diǎn)檢測方法的運(yùn)算復(fù)雜度一般較高；雖然對(duì)圖像內(nèi)容的描述覆蓋面較大，但 也帶來特征數(shù)據(jù)量過多的問題。常規(guī)特征相似性匹配方法的基于特征空間搜索的索引，僅 能處理較低維度的特征數(shù)據(jù)，當(dāng)維度提高時(shí)這些方法的復(fù)雜度呈指數(shù)級(jí)上升，性能急劇下 降，而線性掃描雖然不受特征維度的限制，但耗時(shí)較長。
[0003] 因此，針對(duì)相關(guān)技術(shù)中所存在的上述問題，目前尚未提出有效的解決方案。

【發(fā)明內(nèi)容】

[0004] 為解決上述現(xiàn)有技術(shù)所存在的問題，本發(fā)明提出了一種人臉識(shí)別方法，包括：
[0005] 對(duì)于人臉圖像文件庫中的每幅圖像，通過預(yù)設(shè)特征提取方法得到圖像特征矢量， 形成相應(yīng)的人臉圖像特征庫，在此基礎(chǔ)上建立索引；
[0006] 當(dāng)用戶提交被查詢的人臉圖像時(shí)，應(yīng)用所述預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征 矢量，然后利用鄰近搜索從人臉圖像特征庫中查找所有被查詢?nèi)四槇D像特征的鄰近特征， 并計(jì)算被查詢?nèi)四槇D像與人臉圖像文件庫中的圖像之間的相似度；
[0007] 按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像 識(shí)別結(jié)果。
[0008] 優(yōu)選地，其特征在于，所述圖像特征提取方法包括特征檢測和特征描述，其中特征 檢測包括：檢測尺度空間極值點(diǎn)，通過隨機(jī)采樣獲取特征點(diǎn)；篩選并定位特征點(diǎn)的位置和 尺度；
[0009] 在所述采樣過程中，不對(duì)邊緣區(qū)域的像素點(diǎn)進(jìn)行采樣，而只采樣圖像行、列范圍的 1/10-9/10 內(nèi)的點(diǎn)；
[0010] 所述特征描述包括特征點(diǎn)分配主方向；直接對(duì)隨機(jī)采樣的特征點(diǎn)進(jìn)行特征描述， 生成只包含位置和方向信息的特征描述矢量。
[0011] 優(yōu)選地，其特征在于，所述建立索引的步驟進(jìn)一步包括：
[0012] (1)將圖像高維特征矢量p = (Xp x2，…，xd)映射到漢明空間中，轉(zhuǎn)換為二進(jìn)制 串 p' = UjxDKxJ…Uc(xd)，其中，UjXi) (i G [1，d])表示由Xif1 與C-X4個(gè) 0 組成的 二進(jìn)制串，c為特征矢量P中任意元素Xi的最大值，d為特征矢量維度；
[0013] (2)從上述二進(jìn)制字符串P'中隨機(jī)選k位（k G (〇, cXd))組成1個(gè)散列函數(shù)： gl(p)、g2(p)、…、gl(p)，每個(gè)函數(shù)對(duì)應(yīng)一個(gè)散列表；
[0014] (3)利用步驟⑵中的函數(shù)，將特征矢量映射到相應(yīng)的散列表中。
[0015] 優(yōu)選地，所述利用鄰近搜索從人臉圖像特征庫中查找所有被查詢?nèi)四槇D像特征的 鄰近特征，進(jìn)一步包括：
[0016] (1)對(duì)于被查詢?nèi)四槇D像中特征qi、q2、…、q k，映射到漢明空間中，轉(zhuǎn)換為二進(jìn)制 串 P' = 11?11。(叉2) ???!!?，其中，(i G [1，k])表示由 1 與 c-x ^ 0 組成的 二進(jìn)制串，c為被查詢?nèi)四槇D像特征矢量中任意元素Xi的最大值，k為特征矢量維度，并通 過所述1個(gè)散列函數(shù)&化）、&化）、一、&化）分別映射到相應(yīng)的散列表中；
[0017] ⑵提取gjqj) (i G (〇，1]，j G (〇，k])相似域中的所有散列表項(xiàng)，保留與被查詢 人臉圖像特征矢量距離在閾值范圍內(nèi)的表項(xiàng)，由特征庫索引查找對(duì)應(yīng)特征作為候選的鄰近 特征；
[0018] (3)對(duì)于得到的候選鄰近特征集，按其與查詢特征之間的漢明距離由小到大排序， 返回前K個(gè)特征作為被查詢?nèi)四槇D像特征的鄰近特征，K為預(yù)設(shè)常數(shù)。
[0019] 本發(fā)明相比現(xiàn)有技術(shù)，具有以下優(yōu)點(diǎn)：
[0020] 本發(fā)明提出了一種人臉識(shí)別方法，有效降低了圖像識(shí)別中特征提取和特征匹配的 計(jì)算復(fù)雜度，提高了識(shí)別效率。
【附圖說明】
[0021] 圖1是根據(jù)本發(fā)明實(shí)施例的人臉識(shí)別方法的流程圖。
【具體實(shí)施方式】
[0022] 下文與圖示本發(fā)明原理的附圖一起提供對(duì)本發(fā)明一個(gè)或者多個(gè)實(shí)施例的詳細(xì)描 述。結(jié)合這樣的實(shí)施例描述本發(fā)明，但是本發(fā)明不限于任何實(shí)施例。本發(fā)明的范圍僅由權(quán) 利要求書限定，并且本發(fā)明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細(xì)節(jié) 以便提供對(duì)本發(fā)明的透徹理解。出于示例的目的而提供這些細(xì)節(jié)，并且無這些具體細(xì)節(jié)中 的一些或者所有細(xì)節(jié)也可以根據(jù)權(quán)利要求書實(shí)現(xiàn)本發(fā)明。
[0023] 圖1是根據(jù)本發(fā)明實(shí)施例的人臉識(shí)別方法流程圖。本發(fā)明提出的人臉圖像識(shí)別方 法可分為離線過程和在線過程兩部分。
[0024] ①離線過程，即對(duì)于人臉圖像文件庫中的每幅圖像，事先應(yīng)用特征提取方法，經(jīng)特 征檢測、特征描述得到圖像特征矢量，形成相應(yīng)的人臉圖像特征庫，然后在此基礎(chǔ)上建立索 引以方便對(duì)查詢特征的快速搜索；②在線過程，即對(duì)于用戶提交的被查詢?nèi)四槇D像，應(yīng)用相 同的特征提取方法實(shí)時(shí)獲取圖像特征矢量，然后在特征匹配過程中，通過適當(dāng)?shù)泥徑阉?方法從特征庫中查找所有被查詢?nèi)四槇D像特征的鄰近特征，并計(jì)算被查詢?nèi)四槇D像與人臉 圖像文件庫中的圖像之間的相似度，按相似度從大到小的順序返回最相似的一組人臉圖像 文件庫中的圖像作為圖像識(shí)別結(jié)果。
[0025] 圖像特征提取包括特征檢測和特征描述兩個(gè)部分。特征檢測包括檢測尺度空間極 值點(diǎn)作為候選特征點(diǎn)；篩選并精確定位特征點(diǎn)的位置和尺度；特征描述包括特征點(diǎn)分配主 方向；生成特征描述矢量。本發(fā)明縮減了特征檢測階段的大量計(jì)算，通過隨機(jī)采樣圖像像 素點(diǎn)作為特征點(diǎn)并進(jìn)行特征描述從而得到圖像特征矢量，因此該方法能有效降低計(jì)算復(fù)雜 度，提高計(jì)算效率。
[0026] 首先，通過隨機(jī)采樣獲取圖像特征點(diǎn)。由于隨機(jī)采樣所得特征點(diǎn)的位置具有隨機(jī) 性，因此在設(shè)定采樣點(diǎn)個(gè)數(shù)時(shí)要保證采樣點(diǎn)位置分布相對(duì)均勻，即能夠盡可能地采樣到圖 像中不同區(qū)域的特征信息，盡量避免采樣點(diǎn)過于集中以致獲得的特征點(diǎn)不能較全面地體現(xiàn) 整幅圖像的視覺特征。并且，由于圖像邊緣部分的點(diǎn)一般不能較好地體現(xiàn)圖像的內(nèi)容信 息，因此本發(fā)明設(shè)定盡量不對(duì)邊緣區(qū)域的像素點(diǎn)進(jìn)行采樣，優(yōu)選地只采樣圖像行、列范圍的 1/10-9/10內(nèi)的點(diǎn)。假設(shè)rows、cols分別為圖像行、列數(shù)，采樣個(gè)數(shù)為mXn(如圖像大小為 640X480,取 m = l/10rows，n = l/10cols)，先對(duì)圖像行 l/10rows 至 9/10rows 范圍內(nèi)隨 機(jī)采樣m個(gè)數(shù)得到相應(yīng)行號(hào);、:r2、:r3、…、rm，然后在每個(gè)特定行號(hào)下對(duì)圖像列l(wèi)/10cols 至9/10cols范圍內(nèi)隨機(jī)采樣n個(gè)數(shù)就得到相應(yīng)列號(hào)Cj，貝采樣點(diǎn)坐標(biāo)為（rpCj)，其中i = 1、2、…、m，j = 1、2、?..、]!〇
[0027] 隨機(jī)特征點(diǎn)采樣完成后，對(duì)其進(jìn)行描述。特征描述的目的在于準(zhǔn)確表達(dá)局部圖像 信息并使這種信息具有可靠的表征性。本發(fā)明直接對(duì)隨機(jī)采樣的特征點(diǎn)進(jìn)行特征描述，因 此最終得到的特征矢量相對(duì)于傳統(tǒng)方法而言只包含位置和方向信息。特征矢量計(jì)算步驟如 下：
[0028] (1)取特征點(diǎn)周圍4X4的鄰域，利用此鄰域內(nèi)像素點(diǎn)的梯度來統(tǒng)計(jì)方向直方圖， 即以每10°方向?yàn)橐粋€(gè)柱，柱所代表的方向?yàn)橄袼攸c(diǎn)梯度方向，柱的長度代表梯度幅值。對(duì) 方向直方圖進(jìn)行兩次平滑后的主峰值即為特征點(diǎn)的主方向。利用特征點(diǎn)鄰域像素的梯度方 向分布特性，可以為每個(gè)特征點(diǎn)指定方向，從而使描述子對(duì)圖像旋轉(zhuǎn)具有不變性。設(shè)特征點(diǎn) (x，y)處的灰度值為g(x，y)，圖像梯度方向?yàn)? (x，y)、幅值為M(x，y)，計(jì)算公式如下：
【主權(quán)項(xiàng)】
1. 一種人臉識(shí)別方法，其特征在于，包括： 對(duì)于人臉圖像文件庫中的每幅圖像，通過預(yù)設(shè)特征提取方法得到圖像特征矢量，形成 相應(yīng)的人臉圖像特征庫，在此基礎(chǔ)上建立索引； 當(dāng)用戶提交被查詢的人臉圖像時(shí)，應(yīng)用所述預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征矢 量，然后利用鄰近捜索從人臉圖像特征庫中查找所有被查詢?nèi)四槇D像特征的鄰近特征，并 計(jì)算被查詢?nèi)四槇D像與人臉圖像文件庫中的圖像之間的相似度； 按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像識(shí)別 結(jié)果。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像特征提取方法包括特征檢測和 特征描述，其中特征檢測包括；檢測尺度空間極值點(diǎn)，通過隨機(jī)采樣獲取特征點(diǎn)；篩選并定 位特征點(diǎn)的位置和尺度； 在所述采樣過程中，不對(duì)邊緣區(qū)域的像素點(diǎn)進(jìn)行采樣，而只采樣圖像行、列范圍的 1/10-9/10 內(nèi)的點(diǎn)； 所述特征描述包括特征點(diǎn)分配主方向；直接對(duì)隨機(jī)采樣的特征點(diǎn)進(jìn)行特征描述，生成 只包含位置和方向信息的特征描述矢量。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述建立索引的步驟進(jìn)一步包括： (1) 將圖像高維特征矢量P = (XI，X,，…，Xd)映射到漢明空間中，轉(zhuǎn)換為二進(jìn)制串P' =11。片1化咕)…&柏)，其中，&(Xi) (i G [1，d])表示由X;個(gè)1與C-X i個(gè)0組成的二進(jìn) 制串，C為特征矢量P中任意元素Xi的最大值，d為特征矢量維度； (2) 從上述二進(jìn)制字符串P'中隨機(jī)選k位化G (0，cXd))組成1個(gè)散列函數(shù)；gi(p)、 拓(P)、…、gi(P)，每個(gè)函數(shù)對(duì)應(yīng)一個(gè)散列表； (3) 利用步驟（2)中的函數(shù)，將特征矢量映射到相應(yīng)的散列表中。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用鄰近捜索從人臉圖像特征庫中 查找所有被查詢?nèi)四槇D像特征的鄰近特征，進(jìn)一步包括： (1)對(duì)于被查詢?nèi)四槇D像中特征qi、Q2、…、Qk，映射到漢明空間中，轉(zhuǎn)換為二進(jìn)制串P' =11。片1化咕)…&柏)，其中，&(Xi) (i G [1，k])表示由X;個(gè)1與C-X i個(gè)0組成的二進(jìn) 制串，C為被查詢?nèi)四槇D像特征矢量中任意元素Xi的最大值，k為特征矢量維度，并通過所 述1個(gè)散列函數(shù)&(9)、32似、"，、&似分別映射到相應(yīng)的散列表中； 似提取gi(qP (i G (0, 1]，j G (0, k])相似域中的所有散列表項(xiàng)，保留與被查詢?nèi)?臉圖像特征矢量距離在闊值范圍內(nèi)的表項(xiàng)，由特征庫索引查找對(duì)應(yīng)特征作為候選的鄰近特 征； (3)對(duì)于得到的候選鄰近特征集，按其與查詢特征之間的漢明距離由小到大排序，返回 前K個(gè)特征作為被查詢?nèi)四槇D像特征的鄰近特征，K為預(yù)設(shè)常數(shù)。
【專利摘要】本發(fā)明提供了一種人臉識(shí)別方法，該方法包括：通過預(yù)設(shè)特征提取方法得到人臉圖像文件庫中的每幅圖像的特征矢量，形成相應(yīng)的人臉圖像特征庫并建立索引；當(dāng)用戶提交被查詢的人臉圖像時(shí)，應(yīng)用所述預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征矢量，然后利用鄰近搜索從人臉圖像特征庫中查找所有被查詢?nèi)四槇D像特征的鄰近特征，并計(jì)算圖像之間的相似度；按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像識(shí)別結(jié)果。發(fā)明提出了一種人臉識(shí)別方法，有效降低了圖像識(shí)別中特征提取和特征匹配的計(jì)算復(fù)雜度，提高了識(shí)別效率。
【IPC分類】G06K9-62, G06K9-00
【公開號(hào)】CN104573681
【申請?zhí)枴緾N201510072798
【發(fā)明人】姚遠(yuǎn)
【申請人】成都果豆數(shù)字娛樂有限公司
【公開日】2015年4月29日
【申請日】2015年2月11日