[發明專利]一種自適應的人臉低層特征選擇方法及人臉屬性識別方法

有效

• 申請號: 201410053332.6
• 申請日: 2014-02-17
• 公開（公告）號: CN103824090B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 印奇;曹志敏;姜宇寧;杜儒成
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/46
• 代理公司: 北京君尚知識產權代理事務所(普通合伙)11200
• 代理人: 余長江

1.一種自適應的人臉低層特征選擇方法，其步驟為：

1）根據所選屬性對人臉圖像進行關鍵點檢測，確定底層特征提取的目標窗口；

2）用多個不同大小、不同位置的相互重疊的矩形區域覆蓋該目標窗口；

3）用多種低層的描述子分別對每一矩形區域內的圖像進行特征提取，將每一描述子對每一矩形區域提取的特征記錄為一基礎特征，得到該人臉圖像的基礎特征庫；

4）用自適應的提升方法選擇該基礎特征，每一級的提升選出一個基礎特征；

5）將所選的基礎特征組合成長特征，作為該人臉圖像所選屬性的底層特征。

2.如權利要求1所述的方法，其特征在于所述用自適應的提升方法選擇該基礎特征的方法為：

21）每次從所述基礎特征庫中隨機抽取一未選擇過的基礎特征；

22）將一已屬性標注樣本數據集合A和所抽取的基礎特征作為輸入，利用機器學習算法訓練一基礎分類器；

23）利用該基礎分類器對另一已屬性標注樣本數據集合B進行分類；

24）重復步驟21）～23），選擇分類效率最高的基礎分類器對應的基礎特征作為當前級提升所選出的基礎特征；并且根據所選出的基礎分類器的分類結果更新所有樣本的權值：增加被錯誤分類的樣本的權值，降低被正確分類的樣本的權值。

3.如權利要求2所述的方法，其特征在于所述樣本數據集合A和所述樣本數據集合B抽取自同一樣本數據庫；自適應提升方法的每一級中，所述樣本數據集合A中樣本被抽到的概率和樣本的權值相關。

4.如權利要求1或2或3所述的方法，其特征在于所述多種低層的描述子包括HOG，ULBP，Gabor和SIFT。

5.如權利要求1所述的方法，其特征在于所述屬性包括年齡屬性、性別屬性、種族屬性。

6.一種人臉屬性識別方法，其步驟為：

1）根據待檢測的屬性，選取一屬性標注的人臉圖像樣本數據庫；

2）對于每一樣本進行底層特征提取，即

21）根據待檢測屬性對人臉圖像進行關鍵點檢測，確定底層特征提取的目標窗口；

22）用多個不同大小、不同位置的相互重疊的矩形區域覆蓋該目標窗口；

23）用多種低層的描述子分別對每一矩形區域內的圖像進行特征提取，將每一描述子對每一矩形區域提取的特征記錄為一基礎特征，得到該樣本的基礎特征庫；

24）用自適應的提升方法選擇該基礎特征，每一級的提升選出一個基礎特征；

25）將所選的基礎特征組合成長特征，作為該樣本的底層特征；

3）利用機器學習算法對所有樣本的所述底層特征進行訓練，生成一支持向量機的人臉屬性識別模型；

4）對任意一張待屬性識別的人臉圖像，提取其所述底層特征，利用該人臉屬性識別模型得到其人臉屬性信息。

7.如權利要求6所述的方法，其特征在于其特征在于所述用自適應的提升方法選擇該基礎特征的方法為：

71）每次從所述基礎特征庫中隨機抽取一未選擇過的基礎特征；

72）將一已屬性標注樣本數據集合A和所抽取的基礎特征作為輸入，利用機器學習算法訓練一基礎分類器；

73）利用該基礎分類器對另一已屬性標注樣本數據集合B進行分類；

74）重復步驟71）～73），選擇分類效率最高的基礎分類器對應的基礎特征作為當前級提升所選出的基礎特征；并且根據所選出的基礎分類器的分類結果更新所有樣本的權值：增加被錯誤分類的樣本的權值，降低被正確分類的樣本的權值。

8.如權利要求7所述的方法，其特征在于所述樣本數據集合A和所述樣本數據集合B抽取自同一樣本數據庫；自適應提升方法的每一級中，所述樣本數據集合A中樣本被抽到的概率和樣本的權值相關。

9.如權利要求6或7或8所述的方法，其特征在于所述多種低層的描述子包括HOG，ULBP，Gabor和SIFT。

10.如權利要求6所述的方法，其特征在于所述屬性包括年齡屬性、性別屬性、種族屬性。