[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
地址：	100080 北京市海淀***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種自適應低層特征選擇方法屬性識別
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明屬于圖像處理及人臉識別技術領域，涉及圖像特征提取和特征選擇，具體涉及一種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，可應用于人臉/一般物體屬性識別分析。

背景技術

目前人臉識別檢測技術在各領域得到廣泛應用，成為當前的一項研究熱點，比如申請號201210313721.9、名稱“人臉識別方法”的專利文獻，申請號201210310643.7、名稱“一種人臉識別方法及其系統”的專利文獻。

人臉表征（face?representation），即從原始自然圖像中提取可供計算機運算分析的特征向量或特征圖，是人臉識別系統中最重要的一環。比如申請號201310115471.2、名稱“一種人臉自動標注方法及系統”首先從截取的視頻中檢測出人臉，獲取人臉圖片集合，然后過濾出人臉圖片集合，同時，獲取相鄰幀圖片的HSV顏色直方圖差值，采用空間顏色直方圖的鏡頭邊緣檢測算法進行鏡頭分割，對來自相鄰幀的人臉，檢測第一幀的目標區域內角點，并使用局部匹配的方法將這些角點遞延給下一幀，并進行相應的更新，并統計匹配個數，依據匹配個數的閾值，依此進行下去獲取人臉序列。然后通過唇動檢測模塊根據人臉序列中說話人的唇動檢測出說話人和未說話人，將說話人、說話內容及說話時間三者融合進行標注；最后，讀入每個序列上的人臉，逐個定位，再根據定位結果進行仿射變換，并提取變換后特征點附近固定大小圓形區域內的像素灰度值，作為該人臉特征。申請號201110390185.8的專利文獻公開了一種基于非清晰區域抑制的多特征融合顯著區域提取方法，首先輸入待處理的源圖像，再進行如下處理：(1)預處理；(2)對經過預處理的圖像進行低層特征提取，獲得空間顯著圖和頻域顯著圖；(3)對經過預處理的圖像進行高層語義特征提取，獲得人臉顯著圖；(4)對步驟(2)和步驟(3)獲得的空間顯著圖、頻域顯著圖和人臉顯著圖進行中心聚集化操作，獲得綜合顯著圖；(5)根據綜合顯著圖對待處理的源圖像進行分割處理，提取出顯著區域。

人臉表征算法的好壞，直接決定了生成的人臉特征的描述性、區分性及有效性，進而將影響到最終人臉識別系統的性能。現有的低層特征選擇主要通過特征降維或抽取稀疏角點處的特征實現。特征降維，比如PCA（Principal?Component?Analysis），對圖像的對齊和歸一化有嚴格要求；如果圖像有旋轉變換，PCA甚至可以完全失效。在圖像中，有描述性的區域往往在梯度較大的角點處出現，抽取稀疏角點處的特征理論上可以實現圖像表征的效果。但這一方法對角點判斷的準確性要求很高，故人臉表情、朝向、光照的變化會影響特征的描述能力。

發明內容

本發明針對上述問題，提出了一種基于提升方法的自適應的人臉低層特征選擇方法及人臉屬性識別方法，可對不同的應用場景自適應的學習出有效的特征，用于特征空間中的人臉表示。

為實現上述目的，本發明采用的技術方案如下：

一種基于提升方法的自適應的人臉低層特征選擇方法，其步驟包括：

1）確定分析的目標窗口并對人臉圖像進行預處理；

2）根據應用場景的不同，用密集的不同大小并且相互重疊的矩形區域覆蓋圖像區域；

3）用多種低層的描述子表示每個矩形區域內的圖像，構建特征庫；

4）對單個特征訓練基礎分類器，基于自適應的提升方法進行基礎特征的選擇；

5）組合選取的基礎特征，并訓練最終的特征分類器，進而的得到人臉低層特征的選擇結果。

進一步地，步驟1）首先針對不同的應用場景構建不同的學習數據庫，對數據庫的樣本進行物體檢測、關鍵點檢測，以確定分析的目標窗口。

進一步地，步驟1）所述預處理包括對圖像進行增強、放縮等處理。

進一步地，步驟3）所述多種低層的描述子包括HOG，ULBP，Gabor，SIFT等；任意一個區域被一個描述子表示成一個基礎特征，每個樣本所有的基礎特征總長可能達到數十萬維。