[發明專利]以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法

有效

• 申請號: 201710370888.1
• 申請日: 2017-05-19
• 公開（公告）號: CN107220612B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 李月龍;唐德華;劉彥昌;肖志濤;耿磊;張芳;吳駿
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，包括下列步驟：

方法訓練階段：

(1)搭建由清晰人臉和模糊人臉圖像組成的訓練樣本集合；

(2)標定各人臉圖像上處在核心位置的關鍵點的坐標，并進行關鍵點提取模型的訓練；

(3)依據位于眼部區域的所有關鍵點的坐標，計算眼部區域的重心位置；

(4)根據連接兩眼重心的向量對各人臉圖像進行標準化；

(5)取每個關鍵點周圍鄰接的方形局部區域，以其為特征提取的對象區域；

(6)提取各關鍵點局部鄰接區域的高頻圖像特征；

(7)根據訓練樣本集，為每一人臉關鍵點對應的局部鄰接區域分別訓練一個基于高頻圖像特征的模糊判別分類器，用于對當前關鍵點特征區域是否模糊的區分判斷；

(8)將所有關鍵點局部鄰域的模糊判別分類器集成整合為一個統一的人臉模糊判斷分類器；

在線使用階段：

(9)提取待判定圖像上的人臉關鍵點坐標，并對圖像進行標準化處理；

(10)提取待判定圖像上每一關鍵點對應局部鄰域的高頻圖像特征；

(11)將關鍵點局部領域的高頻圖像特征輸入已訓練構建的集成分類器，判定整幅人臉圖像是否模糊。

2.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(1)中，訓練圖像的大小均為128*128，訓練樣本集合中包含清晰人臉圖像100幅和模糊人臉圖像100幅。

3.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(2)中，人臉上的關鍵點共49個，分別位于：眼睛12個、眉毛10個、鼻子9個、嘴巴18個。

4.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(2)中，面部關鍵點的位置由人工進行直接標定，并在標定完成之后，將所有訓練樣本及其對應關鍵點位置用于對受限局部模型(CLM)進行學習訓練，該模型將用于進行人臉關鍵點的自動提取。

5.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(3)中，眼部區域重心的計算方法為：

其中，x^lec和x^rec分別表示左眼和右眼的重心；為位于左眼部區域所有關鍵點的坐標，N^le表示左眼關鍵點數目；為位于右眼部區域所有關鍵點的坐標，N^re表示右眼關鍵點數目。

6.根據權利要求5所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(4)中，連接兩眼重心的向量為l＝x^lec-x^rec。

7.根據權利要求6所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(4)中，人臉圖像的標準化由方向和尺度的標準化兩部分構成：方向標準化指將整幅人臉圖像以向量l的中點為中心進行旋轉，直到該向量方向完全水平；尺度標準化指對整幅圖像進行等比放縮，使得l的長度達到預設常數大小C，C＝80；其中，圖像旋轉和尺度變換均采用圖像仿射變換的形式實現。

8.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(5)中，特征提取對象區域，即關鍵點局部鄰接區域，的大小為11*11，關鍵點處在該區域的中心位置。

9.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(6)中，采用離散余弦變換提取關鍵點局部鄰接區域內圖像的頻域信息，并取其中90％的高頻信息作為特征用于模糊判別。

10.根據權利要求1所述的以關鍵點局部鄰域的高頻分析為核心的模糊人臉判別方法，其特征在于，步驟(7)中，采用隨機森林分類器進行關鍵點局部鄰接區域的模糊判別。