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

在審

• 申請?zhí)枺?/td>: 201910328819.3
• 申請日: 2019-04-23
• 公開（公告）號: CN110210293A
• 公開（公告）日: 2019-09-06
• 發(fā)明（設計）人: 袁蓉;徐增波;楊秀月;周雙喜
• 申請（專利權）人: 上海市服裝研究所有限公司;上海工程技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海唯智贏專利代理事務所(普通合伙) 31293
• 代理人: 劉朵朵;姜曉艷

本發(fā)明屬于數(shù)據(jù)識別領域，提出一種基于三維數(shù)據(jù)和面部圖像的性別識別方法，通過對人體三維點云數(shù)據(jù)進行投影和計算，獲取人體正面和側(cè)面的二維輪廓數(shù)據(jù)；對所述二維輪廓數(shù)據(jù)分別進行樣本點選取，利用神經(jīng)網(wǎng)絡對所述樣本點進行分類識別，獲取多個形體特征點，再結(jié)合人體的面部圖像提取的多個面部特征點，完成性別判斷。本發(fā)明的方法在基于三維測體裝置獲得的人體三維點云數(shù)據(jù)和面部圖像，直接進行性別識別的同時，還可以獲取多個形體特征點如腰圍、胸圍、臀部等，為后續(xù)進行量體裁衣或高級定制提供數(shù)據(jù)基礎，裁衣或定制的結(jié)果更加準確，為徹底解放裁縫師的雙手提供保障。

技術領域

本發(fā)明涉及識別人的性別的方法，尤其涉及一種基于三維數(shù)據(jù)和面部圖像的性別識別方法。

背景技術

三維人體測量技術能夠異地采集人體尺寸、體型和照片，誤差小、穩(wěn)定性高，被視為是取代成本較高的量體師、建立人體體型數(shù)據(jù)庫、實現(xiàn)個性化定制的基本步驟和關鍵。而性別是客戶的一個重要特征，在許多情況下，希望能夠識別客戶的性別，以便進行有針對性的商業(yè)推廣、設定量體裁衣的設計方向等。一般而言，可以通過人臉識別來容易地確定客戶性別，通過普通的人臉特征提取算法，提取人臉特征后進行特征匹配，例如adaboost，檢測結(jié)果不是很準確，耗時也比較多，并且需要指定提取的特征，算法比較復雜，而且僅僅利用了人體的面目圖像的部分信息，當其中的部分信息被干擾時，勢必會影響其識別率，另外，在整個人體進行三維掃描或整體捕捉時，人體面部數(shù)據(jù)只是數(shù)據(jù)的一部分，這時候單獨將面部數(shù)據(jù)截取進行分析存在著：一是數(shù)據(jù)不夠精準，如果要數(shù)據(jù)精準，則人體的整體數(shù)據(jù)量會變大，處理要求高，二是單獨截取出來還會存在數(shù)據(jù)處理的其他問題，不利于進行后續(xù)的量體裁衣或者高級定制。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于三維數(shù)據(jù)和面部圖像的性別識別方法，解決了現(xiàn)有性別識別主要依靠面部特征進行識別，不利于進行后續(xù)的量體裁衣或者高級定制等問題。

技術方案

一種基于三維數(shù)據(jù)和面部圖像的性別識別方法，通過對人體三維點云數(shù)據(jù)進行投影和計算，獲取人體正面和側(cè)面的二維輪廓數(shù)據(jù)；對所述二維輪廓數(shù)據(jù)分別進行樣本點選取，利用神經(jīng)網(wǎng)絡對所述樣本點進行分類識別，獲取多個形體特征點，再結(jié)合人體的面部圖像提取的多個面部特征點，完成性別判斷。

進一步，將所述二維輪廓數(shù)據(jù)進行歸一化處理，再進行等間距選取多個樣本點，利用第一神經(jīng)網(wǎng)絡對所有樣本點進行分類識別，獲取多個形體特征點，然后結(jié)合人體的面部圖像提取的多個面部特征點，利用第二神經(jīng)網(wǎng)絡對多個所述形體特征點和面部特征點進行分類識別，完成性別判斷。

進一步，所述形體特征點包括對應人體正面的二維輪廓的頸部、肩部、手部和腰部特征點，對應人體側(cè)面的二維輪廓的頸部、胸部、腰部和臀部特征點，所述面部特征點包括外側(cè)輪廓特征點和內(nèi)側(cè)部位特征點，所述內(nèi)側(cè)部位特征點包括眼睛、眉毛、鼻子和嘴巴部位的特征點。

進一步，獲取多個形體特征點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坐標值轉(zhuǎn)化到區(qū)間[0，1]上，對應的x坐標值和z坐標值也做相應的變化，轉(zhuǎn)化后的人體正面和側(cè)面的二維輪廓數(shù)據(jù)，分別標記為(x_n，y_n)和(z_n，y_n)；

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

步驟三、將2N_l個樣本點制作成4N_l個坐標值構(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)絡進行分類識別，獲取多個形體特征點組成的一維向量輸出。