[發明專利]一種基于奇異值分解的多源人臉圖像聯合特征提取方法

有效

• 申請號: 201711275843.2
• 申請日: 2017-12-06
• 公開（公告）號: CN108038438B
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 溫峻峰;李鑫;江志偉;謝巍;杜海江;張浪文;吳偉林;夏歡;陳庭
• 申請（專利權）人: 廣東世紀晟科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 廣州中瀚專利商標事務所 44239
• 代理人: 蓋軍

1.一種基于奇異值分解的多源人臉圖像聯合特征提取方法，其特征在于包括如下步驟：

A：提取人臉樣本的灰度圖、二值圖、直觀性特征圖作為數據源，并融合為聯合特征；

B：提取聯合特征的屬性值，計算出反向積分圖，利用奇異分解反向積分圖獲取反向積分圖奇異值，利用反向積分圖奇異值計算出反向積分圖奇異值矩陣；具體如下：

將聯合特征G_HOG分解為n行，m列的屬性值，其中：n表示矩陣的行數，m表示矩陣的列數，將在坐標位置(i,j)上提取的屬性值表示為image(i,j)，1≤i≤n，1≤j≤m；G_HOG＝{image(i,j)|1≤i≤n,1≤j≤m}；

使用反向SVD-Viloa算法求出image(i,j)的反向積分圖Integral(i,j)，具體計算公式如下：

F(i,j)＝F(i,j+1)+image(i,j)；

Integral(i,j)＝Integral(i+1,j)+F(i,j)；

其中F(i,j)表示G_HOG中當前像素點(i,j)對應的所在列的積分值，image(i,j)是當前像素點(i,j)對應的屬性值，Integral(i,j)表示當前像素點(i,j)對應的積分圖，計算的過程中需要分配Integral、F和image三個圖像大小的空間，該步驟包含反向迭代的F(i,j+1)和Integral(i+1,j)，賦初始值F(n,：)＝image(n,：)，Integral(:,m)＝image(:m)

將反向積分圖Integral(i,j)構造成一個n行，m列的矩陣A；其中：n表示矩陣的行數，m表示矩陣的列數；

將矩陣A與對應的特征向量正交矩陣U和矩陣V進行奇異值分解，得到反向積分圖Integral(i,j)的奇異值，再利用反向積分圖Integral(i,j)的奇異值計算出反向積分圖Integral(i,j)的奇異值矩陣Γ，其中：

Γ＝(U^TAV)^T(U^TAV)；

所述T是矩陣的轉置符號；

C：利用反向積分圖奇異值矩陣與三線插值加速特征計算，得到高維的方向梯度直方圖；

D：利用局部均值的核最近鄰凸包算法對方向梯度直方圖進行特征降維計算，得到低維的人臉圖像方向梯度直方圖特征。

2.根據權利要求1所述的基于奇異值分解的多源人臉圖像聯合特征提取方法，其特征在于所述A步驟具體如下：通過多個傳感器在同一時刻獲取樣本的灰度圖、二值圖和直觀性特征圖，對上述灰度圖、二值圖和直觀性特征圖分別依次執行圖像預處理、計算圖像梯度、構建梯度方向直方圖、將直方圖通道圖像分割成多個細胞單元、將細胞單元組合成塊、塊內歸一化，提取得到灰度圖HOG特征k_gray、二值圖HOG特征k₂、直觀性特征圖HOG特征k_d，在預定的權重分配下將獲得的灰度圖HOG特征k_gray、二值圖HOG特征k₂、直觀性特征圖HOG特征k_d進行聯合，形成聯合特征G_HOG；

G_HOG＝w_grayk_gray+w₂k₂+w_dk_d (1)；

其中w_gray,w₂,w_d分別為k_gray、k₂、k_d的權重。

3.根據權利要求2所述的基于奇異值分解的多源人臉圖像聯合特征提取方法，其特征在于所述C步驟具體如下：

在三線插值算法中引入B步驟所獲得的反向積分圖奇異值矩陣來進行加速特征計算，根據下述公式(2)分別計算出方向梯度直方圖H_og(x_t,y_r,z_e)，

H_og(x_t,y_r,z_e)＝(H_og(x_t,y_r,z_e)+Φ)*Γ (2)；

其中：Φ為中間變量，x_t∈[x₁,x₂]，y_r∈[y₁,y₂]，z_e＝[z₁,z₂]，t為x的下標值，r為y的下標值，e為z的下標值，x₁,x₂表示像素點的空間位置橫坐標，y₁,y₂表示像素點的空間位置縱坐標，z₁,z₂表示像素點的角度區間；Γ＝(U^TAV)^T(U^TAV)為反向積分圖的奇異值矩陣，δ表示像素點的梯度幅值；a_x表示兩個細胞單元中心位置的x方向的距離；a_y表示兩個細胞單元y方向的距離；a_z表示兩個像素點角度區間的中心位置的距離。