[發(fā)明專(zhuān)利]一種基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910328819.3
• 申請(qǐng)日: 2019-04-23
• 公開(kāi)（公告）號(hào): CN110210293A
• 公開(kāi)（公告）日: 2019-09-06
• 發(fā)明（設(shè)計(jì)）人: 袁蓉;徐增波;楊秀月;周雙喜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海市服裝研究所有限公司;上海工程技術(shù)大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 上海唯智贏專(zhuān)利代理事務(wù)所(普通合伙) 31293
• 代理人: 劉朵朵;姜曉艷

1.一種基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：通過(guò)對(duì)人體三維點(diǎn)云數(shù)據(jù)進(jìn)行投影和計(jì)算，獲取人體正面和側(cè)面的二維輪廓數(shù)據(jù)；對(duì)所述二維輪廓數(shù)據(jù)分別進(jìn)行樣本點(diǎn)選取，利用神經(jīng)網(wǎng)絡(luò)對(duì)所述樣本點(diǎn)進(jìn)行分類(lèi)識(shí)別，獲取多個(gè)形體特征點(diǎn)，再結(jié)合人體的面部圖像提取的多個(gè)面部特征點(diǎn)，完成性別判斷。

2.根據(jù)權(quán)利要求1所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：將所述二維輪廓數(shù)據(jù)進(jìn)行歸一化處理，再進(jìn)行等間距選取多個(gè)樣本點(diǎn)，利用第一神經(jīng)網(wǎng)絡(luò)對(duì)所有樣本點(diǎn)進(jìn)行分類(lèi)識(shí)別，獲取多個(gè)形體特征點(diǎn)，然后結(jié)合人體的面部圖像提取的多個(gè)面部特征點(diǎn)，利用第二神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)所述形體特征點(diǎn)和面部特征點(diǎn)進(jìn)行分類(lèi)識(shí)別，完成性別判斷。

3.根據(jù)權(quán)利要求2所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：所述形體特征點(diǎn)包括對(duì)應(yīng)人體正面的二維輪廓的頸部、肩部、手部和腰部特征點(diǎn)，對(duì)應(yīng)人體側(cè)面的二維輪廓的頸部、胸部、腰部和臀部特征點(diǎn)，所述面部特征點(diǎn)包括外側(cè)輪廓特征點(diǎn)和內(nèi)側(cè)部位特征點(diǎn)，所述內(nèi)側(cè)部位特征點(diǎn)包括眼睛、眉毛、鼻子和嘴巴部位的特征點(diǎn)。

4.根據(jù)權(quán)利要求2所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于獲取多個(gè)形體特征點(diǎn)的方法包括以下步驟：

步驟一、記人體正面和側(cè)面的二維輪廓數(shù)據(jù)分別表示為(x,y)和(z,y)，利用如下方程式，將所述二維輪廓數(shù)據(jù)中y坐標(biāo)值轉(zhuǎn)化到區(qū)間[0,1]上，對(duì)應(yīng)的x坐標(biāo)值和z坐標(biāo)值也做相應(yīng)的變化，轉(zhuǎn)化后的人體正面和側(cè)面的二維輪廓數(shù)據(jù),分別標(biāo)記為(x_n,y_n)和(z_n,y_n)；

步驟二、分別計(jì)算轉(zhuǎn)化后的人體正面和側(cè)面的二維輪廓數(shù)據(jù)所在曲線的長(zhǎng)度L1和L2,以距離Δd＝L/N_l在所述曲線上進(jìn)行等間隔取點(diǎn)，共提取2N_l個(gè)樣本點(diǎn)；

步驟三、將2N_l個(gè)樣本點(diǎn)制作成4N_l個(gè)坐標(biāo)值構(gòu)成的一維向量，以所述一維向量為輸入，利用第一神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)識(shí)別，獲取多個(gè)形體特征點(diǎn)組成的一維向量輸出。

5.根據(jù)權(quán)利要求4所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：將多個(gè)所述面部特征點(diǎn)組成一維向量與多個(gè)形體特征點(diǎn)組成的一維向量結(jié)合作為輸入，利用第二神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)識(shí)別，完成性別識(shí)別。

6.根據(jù)權(quán)利要求5所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：所述面部特征點(diǎn)設(shè)置有68個(gè)，其中第1至17號(hào)點(diǎn)對(duì)應(yīng)外側(cè)輪廓特征點(diǎn)，第18至68號(hào)點(diǎn)對(duì)應(yīng)內(nèi)側(cè)部位特征點(diǎn)，利用現(xiàn)有的Dlib庫(kù)中的人臉關(guān)鍵點(diǎn)檢測(cè)器shape_predictor_68_face_landmarks.dat對(duì)測(cè)體對(duì)象的面部圖像進(jìn)行標(biāo)定獲得，記面部特征點(diǎn)為(x′,y′)，利用如下方程式將所有面部特征點(diǎn)進(jìn)行歸一化處理，處理后的面部特征點(diǎn)記為(x″,y″)，并將處理后的面部特征點(diǎn)按照標(biāo)號(hào)順序組成一維向量，

其中，y_max,y_min分別表示68個(gè)面部特征點(diǎn)對(duì)應(yīng)的y坐標(biāo)值中的最大值和最小值。

7.根據(jù)權(quán)利要求5所述的基于三維數(shù)據(jù)和面部圖像的性別識(shí)別方法，其特征在于：所述長(zhǎng)度L1和L2設(shè)置為轉(zhuǎn)化后的人體正面和側(cè)面的二維輪廓數(shù)據(jù)中相鄰兩點(diǎn)的距離和，所述第一神經(jīng)網(wǎng)絡(luò)設(shè)置有十層，每層的隱藏層設(shè)置有12個(gè)神經(jīng)元，輸出層設(shè)置有20個(gè)神經(jīng)元，所述第二神經(jīng)網(wǎng)絡(luò)設(shè)置有十層，每層的隱藏層設(shè)置有30個(gè)神經(jīng)元，輸出層設(shè)置有10個(gè)神經(jīng)元。