[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

本發明公開了一種模糊人臉圖像的自動分析判別方法。對比現有相關技術方法，該技術具有適應性強、魯棒性好，使用階段不需人工干預，不受與訓練人臉容貌相似程度的影響，對訓練樣本的依賴少，訓練階段耗時短，充分利用人臉圖像的全局拓撲及細節特征等優點。本發明的主要創新之處在面部關鍵點局部鄰域特征的設計方面。在人臉核心部位的關鍵位置提取局部鄰域的高頻圖像特征，即能夠保證對直接反映圖像清晰程度的圖像細節紋理的恰當應用，又能夠避免容貌和姿態差異等干擾因素對方法精度的影響，直接提升方法的魯棒性。此外，本發明還引入基于AdaBoost技術的集成分類器構建策略，對各關鍵點的局部鄰域模糊判別分類器進行集成，實現一體化綜合智能決策。

技術領域

本發明屬于模式識別、計算機視覺、圖像處理領域，涉及一種以面部關鍵點局部特征為核心的模糊人臉判別方法，可用于對一般性二維人臉圖像是否模糊進行智能判別。

背景技術

隨著計算機軟硬件技術的飛速發展以及圖像和視頻采集設備的不斷普及，以人臉識別為代表的智能圖像數據分析識別技術得到了越來越廣泛的認可和應用。然而，再優秀的智能分析算法也必須以高質量的輸入信息為基本前提，低質量的輸入信息必然直接影響算法的整體分析效果。因此，對所獲取的人臉圖像進行自動質量評價，避免過低質量的圖像被輸入后續處理環節造成判斷失誤，是具有直觀實際意義的應用研究技術。

由聚焦問題、設備分辨率問題、采光問題、數據壓縮等造成的圖像模糊是目前直接影響人臉圖像質量的重要因素之一。由于直接影響圖像內容的描述和表達，圖像模糊能夠對算法精度產生直接影響，且難以通過后續處理算法進行修復(基于信息守恒原理)。因此，有效濾除低質量模糊人臉圖像無疑能夠直接提升自動分析算法的處理效果，降低發生誤判的可能性。注：在當今大數據時代，信息資源極大豐富，相比于判斷失誤和識別誤差，在絕大多數情況下，拒絕低質量圖像所帶來的損失已經非常微小，例如，隨著數字圖像拍攝設備的普及，當人們發現拍攝到一幅模糊圖像時，通?？梢灾苯釉傺a拍一張，不用付出任何費用。

在相關技術方面，以往的相關研究中，有一些針對一般性圖像的模糊判別工作，如：首先進行圖像邊緣提取，而后進行基于邊緣均值的模糊程度度量方法；利用圖像的奇異值分析判別圖像模糊等。但專門針對人臉圖像自身的具體特點進行模糊判別的相關方法目前并不多見。

發明內容

本發明的目的是克服現有技術中存在的不足，提出一種能夠專門針對人臉圖像特點的模糊圖像自動判別方法。為實現該功能，本發明設計了由“方法訓練階段”和“在線使用階段”兩部分構成的綜合性方法策略，具體技術實現方案如下。

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，基本步驟包括：

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)人工標定各訓練人臉圖像上處在核心位置的關鍵點(共49個)的坐標，并進行關鍵點自動提取模型的訓練；

(3)依據位于眼部的關鍵點的坐標，計算眼部區域的重心：

其中，x^lec和x^rec分別表示左眼和右眼的重心；為左眼部區域所有關鍵點的坐標，N^le表示此區域關鍵點數目；為右眼部區域所有關鍵點的坐標，N^re表示此區域關鍵點數目。

(4)根據連接兩眼重心的向量對各人臉圖像進行標準化，標準化過程依據仿射變換進行；

(5)提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)基于離散余弦變換方法，提取各關鍵點周圍局部鄰接區域的高頻圖像特征；