[發明專利]基于多尺度HOG特征和深層特征的合成素描人臉識別方法

有效

• 申請號: 202010029219.X
• 申請日: 2020-01-10
• 公開（公告）號: CN111274883B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 許佳奕
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/50;G06V10/764;G06V10/82;G06V10/74;G06N3/0464;G06N3/048
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝

本發明公開了一種基于多尺度HOG特征和深層特征的合成素描人臉識別的算法。本發明具體包括如下步驟：S1、對素描?照片人臉對進行預處理；S2、根據圖像面部關鍵點對圖像進行關鍵部位的提??；S3、提取圖像全圖以及各個關鍵部位的HOG特征，得到多尺度HOG特征，以此描述圖像的底層特征，利用預訓練好的深度學習網絡模型對圖像全圖進行深度特征提取，以此描述圖像的高層特征；S4、求取各類特征對應的相似度矩陣，通過自適應權重的方法對圖像的各類特征進行特征重要度判斷，利用得到的權重將各類特征的相似度矩陣進行分數層融合，得到最終相似度矩陣，通過相似度矩陣得到最終的識別結果。本方法具有素描人臉圖像的識別準確率高的優點。

技術領域

本發明屬于計算機視覺領域，涉及一種基于多尺度HOG特征和深層特征的合成素描人臉識別的算法。

背景技術

隨著人臉識別技術的不斷發展，人臉識別為公安部門抓捕嫌犯提供了許多有效的信息，但大多數情況下，嫌疑人的人臉照片是無法直接獲取的。此時，肖像專家根據目擊證人的描述繪制而成的人臉素描便成為獲取嫌疑人人臉信息的主要途徑。由于素描的繪制方式的不同，人臉素描分為手繪素描和合成素描。手繪素描是由肖像專家用筆在紙上繪制的素描，合成素描是目擊者使用電腦軟件生成的一類素描。由于培養一個專業的肖像專家需花費很大精力，而合成素描易學習且操作快，故而使得公安部門對合成素描人臉識別青睞有加。在合成素描人臉識別中，人臉特征提取是識別中的一個重要步驟，其中，提取人臉特征的好壞直接影響到了素描人臉識別系統的性能，因此如何提取更為魯棒、有效的人臉特征成為了合成素描人臉識別系統應用于實際中的一個至關重要的問題。

目前，合成素描人臉識別算法分為兩種：一是基于人臉轉化合成的算法；二是基于特征的算法。

在基于人臉轉化合成的算法中，由于人臉素描和照片不處于同一模態內，所以可以先將素描(照片)轉為照片(素描)，再進行傳統人臉的匹配和識別。由于合成素描人臉畫像在人臉的輪廓和五官上存在一定的夸張與形變，故而即使將兩個不同模態的轉為同一模態，其算法識別率并不如傳統的人臉識別算法。

在基于特征的算法中，研究人員在不轉換模態的前提下直接通過提取魯棒性特征的方法進行人臉匹配。由于傳統的識別算法一般采用HOG、SIFT等描述符提取跨模態特征，這樣提取出來的低層次特征無法描述高度抽象的素描細節特征?；谏疃葘W習的識別算法在訓練網絡模型時需要準備大量的樣本數據，時間成本較高。故而需發明一種在同時考慮低層次紋理特征和高層次特征的前提下能有效實現素描人臉圖像和人臉照片之間的直接匹配且識別率高的合成素描人臉識別算法。

發明內容

本發明的目的是提供一種在同時考慮低層次紋理特征和高層次特征的前提下能有效實現素描人臉圖像和人臉照片之間的直接匹配且識別率高的結合多尺度HOG特征和深度模型特征的合成素描人臉識別算法。在本發明中，該算法在考慮人臉細節特征的同時，增加了對人臉整體結構的特征描述；在考慮人臉關鍵部位特征的同時，考慮到了額頭以上頭發的特征，有效區分了長發和短發的發型；在考慮底層特征的同時，利用深層模型增加了人臉的高層人臉信息。本發明通過提取合成素描人臉的全局HOG特征以及各個人臉組件的局部HOG特征來表征人臉的低層特征，通過利用深度學習網絡模型提取合成素描人臉的深度特征來表征人臉的高層特征，之后將得到的低層特征和高層特征通過權重判析進行分數層融合，得到最終的匹配結果。從而提高素描人臉的識別率。

本發明解決其技術問題采用的技術方案包括如下步驟：

S1、人臉預處理；

S2、面部關鍵部位的提??；

S3、多尺度HOG特征提取和深度特征提??；

S4、分數層自適應融合和匹配素描-人臉對；

所述步驟S1具體包括：

S11、將素描人臉庫中的N張彩色素描-照片對轉為單通道的灰度圖像；