[發明專利]一種新的人臉特征描述方法

在審

• 申請號: 201310450629.1
• 申請日: 2013-09-27
• 公開（公告）號: CN103455805A
• 公開（公告）日: 2013-12-18
• 發明（設計）人: 王菡子;劉光祿;嚴嚴
• 申請（專利權）人: 廈門大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

技術領域

本發明涉及人臉識別，尤其是涉及一種新的人臉特征描述方法微模式編碼PPC（Primitive?Pattern?Coding）。

背景技術

如何讓計算機能像人眼一樣去理解這個世界，并輔助人類做一些有意義的事情，計算機視覺這一學科因此而誕生。計算機視覺最初源于數字圖像處理領域，自上世紀60年代分離出來，成為一個獨立的學科研究，早已廣泛地應用于航空航天、自動導航、工業檢測、醫學研究和臨床診治、安全監控和跟蹤、國防、交通、遙感等諸多重要領域中。

當今社會的快速發展，使得人們的生活在各方面都存在著各種身份認證。而在某些安全領域，傳統的輸入數字密碼和使用ID卡已經很難保證其足夠的安生性（如ID卡丟失或密碼被盜用等）。而生物信息（如人臉、指紋、人眼、虹膜等）具有很難被盜用、不會被忘記以及唯一性等幾大特性。與傳統的認證方法相比，用生物信息進行認證識別的安全性明顯得到了提高，因而采用生物信息進行認證識別很自然地進入到安全領域。因此，對人臉識別在更為復雜環境中應用的研究對現實生活有著重要的意義和廣闊的前景。

作為人臉識別系統中非常重要的一個模塊特征提取，如何設計一種有效的人臉特征描述子同樣成為人臉識別中一個非常重要的問題。特征提取（feature?extraction）是對預處理后的圖像進行特征變換以獲取相對穩定有用的信息。顧名思義，對人臉圖像的特征提取，就是把預處理后得到的對齊人臉進行特征變換而獲得相對穩定有用的人臉表示信息。

一般而言，一種好的人臉特征描述子應能夠容忍以下這些變化：尺度（scale）、姿態（pose）、光照（illumination）、表情（expression）以及遮擋（occlusion）等。在最近的一些研究中，實驗結果顯示出了局部特征描述子的優越性。比較經典的局部特征描述子有LBP（Local?Binary?Patterns）（T.Ahonen,A.Hadid,M.Pietikainen.Face?div?with?local?binary?patterns:Application?to?face?recognition[J].Pattern?Analysis?and?Machine?Intelligence,IEEE?Transactions?on.2006.28(12):2037–2041），以及基于LBP特征的一些改進的特征描述子，如TPLBP（Three-Patch?LBP）和FPLBP（Four-Patch?LBP）（L.Wolf,T.Hassner,Y.Taigman,et?al.Descriptor?based?methods?in?the?wild[C].Workshop?on?Faces?in’Real-Life’Images:Detection,Alignment,and?Recognition.2008）。然而，大多數的局部特征描述子沒有考慮不同人臉區域之間的差異，以及對人臉識別有利的全局信息。

發明內容

本發明的目的在于提供一種新的人臉特征描述方法。

本發明包括以下步驟：

A.準備人臉圖像訓練樣本集(a_i(1),a_i(2),...,a_i(pi))，i＝1,2,...,C，其中，C為人臉訓練樣本類別數或稱目標個數，C為自然數，p_i為第i類包含的總訓練樣本數，a_i(1)表示第i個目標中的第1幅人臉圖像訓練樣本；

B.將每個訓練樣本圖像按照2種不同尺度分別進行4個方向上的漂移，設參數對為(Direction，R)，其中Direction=up,down,left,right，分別對應于上，下，左，右4個方向，R=2，4兩種尺度，得到4個方向，2種尺度的8幅漂移過的圖像，然后再利用原始圖像和所有漂移過的圖像分別進行一次差分運算，從而得到8幅差分圖像，保留2幅原始圖像和8幅差分圖像即得到一個由10幅圖像組成的圖像集（對于每幅原始訓練樣本圖像）；

C.在步驟B的基礎上，對每個訓練樣本圖像集中的每幅圖像分別提取LTPBP紋理特征描述符；

D.在步驟C的基礎上，重新組合訓練樣本子集n＝1,2,...,10，其中i＝1,2,...,C，C的意義和步驟A中提到的一樣，為步驟B中在不同尺度和不同方向上變換所得差分圖像對應的特征向量，即原LTPBP特征描述向量，就為第i類目標所有圖像樣本在相同方向和相同尺度變換下提取到LTPBP特征描述向量共同組合成的子樣本集；