[發明專利]圖像特征提取方法及裝置

有效

• 申請號: 201310046365.3
• 申請日: 2013-02-05
• 公開（公告）號: CN103971112B
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 郭安泰;孫金陽
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發明公開一種圖像特征提取方法及裝置，其方法包括：標定訓練集圖庫中各圖像輪廓的特征點，得到訓練集圖庫的特征點矩陣；從特征點矩陣中提取特征向量矩陣、特征向量值以及所述訓練集圖庫的平均特征點幾何位置；通過隨機森林算法生成所述訓練集圖庫中每個特征點的隨機森林局部紋理模型；根據隨機森林局部紋理模型、特征向量矩陣、特征向量值以及平均特征點幾何位置對當前輸入圖像進行特征提取。本發明基于主動形態模型算法的框架，利用隨機森林算法生成的局部紋理模型，改善了主動形態模型算法在分辨率低的算法健壯性；減少光照和色差的干擾，增強臉部特征點定位的魯棒性；同時極大的減小了計算復雜度，增加了特征點定位的實時性、準確性。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種圖像特征提取方法及裝置。背景技術

目前，在照相軟件中通常采用主動形態模型（ASM，Active Shape Model）來實現臉部特征點的定位和臉部輪廓的提取。其基本原理是：首先統計訓練集中特征點連線法線上的圖像梯度信息，之后將該梯度信息作為特征點逼近搜索的參照物，確定與訓練集的梯度信息相似度最高的像素為目標特征點。

然而，現有的這種臉部特征的提取方法中，由于主動形態模型中的圖像梯度信息易于受光照和色差以及個體樣本差異影響，使得生成的局部紋理模型包含了過多的個體紋理信息，不具備唯一表征性，紋理模型健壯性欠佳；此外，主動形態模型中的建立局部紋理模型時，需要計算出法線上若干像素的梯度信息、歸一化處理，生成特征點的梯度向量，然后計算出所有特征點的梯度向量矩陣，在搜索過程中每次需要計算當前搜索形狀的梯度向量矩陣和訓練集梯度向量矩陣的相似度，由此使得計算復雜度高；而且對于分辨率較低的圖像，受限于局部像素信息，主動形態模型的梯度紋理模型識別效果較差。

發明內容

本發明的主要目的在于提供一種圖像特征提取方法及裝置，旨在降低計算復雜度，提高特征提取的準確性和實時性。

為了達到上述目的，本發明提出一種圖像特征提取方法，包括：

標定訓練集圖庫中各圖像輪廓的特征點，得到訓練集圖庫的特征點矩陣；

從所述特征點矩陣中提取特征向量矩陣、特征向量值以及所述訓練集圖庫的平均特征點幾何位置；通過隨機森林算法生成所述訓練集圖庫中每個特征點的隨機森林局部紋理模型；

根據所述隨機森林局部紋理模型、所述特征向量矩陣、特征向量值以及平均特征點幾何位置對當前輸入圖像進行特征提取。

本發明還提出一種圖像特征提取裝置，包括：

標定模塊，用于標定訓練集圖庫中各圖像輪廓的特征點，得到訓練集圖庫的特征點矩陣；

第一提取模塊，用于從所述特征點矩陣中提取特征向量矩陣、特征向量值以及所述訓練集圖庫的平均特征點幾何位置；

模型建立模塊，用于通過隨機森林算法生成所述訓練集圖庫中每個特征點的隨機森林局部紋理模型；

第二提取模塊，用于根據所述隨機森林局部紋理模型、所述特征向量矩陣、特征向量值以及平均特征點幾何位置對當前輸入圖像進行特征提取。

本發明提出的一種圖像特征提取方法及裝置，通過標定訓練集圖庫中各圖像輪廓的特征點，得到訓練集圖庫的特征點矩陣；從特征點矩陣中提取特征向量矩陣、特征向量值以及訓練集圖庫的平均特征點幾何位置；并通過隨機森林算法生成訓練集圖庫中每個特征點的隨機森林局部紋理模型；以此隨機森林局部紋理模型以及提取的特征向量矩陣、特征向量值和平均特征點幾何位置對當前輸入圖像進行特征提取，由此，基于主動形態模型算法的框架，利用隨機森林算法生成的局部紋理模型，改善了主動形態模型算法在分辨率低的算法健壯性；減少光照和色差的干擾，增強臉部特征點定位的魯棒性；同時極大的減小了計算復雜度，增加了特征點定位的實時性、準確性。

附圖說明

圖1是本發明圖像特征提取方法第一實施例的流程示意圖；