[發明專利]一種多池化信息融合的人臉圖像特征提取方法

有效

• 申請號: 202010313701.6
• 申請日: 2020-04-20
• 公開（公告）號: CN111428689B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 欒曉;耿弘民
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/26;G06K9/62;G06V10/82;G06N3/04;G06N3/08;G06T7/60;G06V10/80
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

1.一種多池化信息融合的人臉圖像特征提取方法，其特征在于：該方法包括以下步驟：

S1：數據預處理階段：對于輸入的人臉圖像，利用人臉檢測方法提取出含有較少背景信息的主要人臉部分，同時將其尺寸重新調整為為224×224；

S2：局部特征提取階段：通過特征累加的形式，將全局最大池化特征與全局平均池化特征融合，得到增強的局部特征；

S3：全局特征提取階段：通過特征連接的形式，將全局最大池化特征與全局平均池化特征融合，得到增強的全局特征；

S4：特征融合階段：將得到的局部特征與全局特征以特征連接的方式融合，得到對人臉姿態變化魯棒的增強特征；

所述步驟S1包括以下步驟：

S11：對所有人臉圖像數據進行歸一化，讓整個圖像的均值為0，標準差為1，即使原始圖像在r,g,b通道上的分布服從正態分布；

S12：利用人臉檢測網絡裁剪出原始圖像中的人臉部分，并將裁剪出的切塊圖像尺寸重新拉伸為224×224；

所述步驟S2包括以下步驟：

S21：圖像的局部主干特征提取階段，將S12得到的圖像作為輸入送入深度卷積神經網絡，并將所得特征層向量作為圖像的局部特征信息；

S22：圖像的局部特征最大池化，將S21得到的特征層向量進行全局最大池化，并輸出池化后的最大池化特征；

S23：圖像的局部特征平均池化，將S21得到的特征層向量進行全局平均池化，并輸出池化后的平均池化特征；

S24：局部池化特征的融合階段，將S22與S23所得到的兩種池化特征向量進行對位累加，輸出累加后的融合池化特征作為增強的局部信息魯棒特征；

所述步驟S3包括以下步驟：

S31：圖像的全局主干特征提取階段，將S12得到的圖像作為輸入送入深度卷積神經網絡，不同于S21所使用的網絡，并將所得特征層向量作為圖像的全局特征信息；

S32：圖像的全局特征最大池化，將S31得到的特征層向量進行全局最大池化，并輸出池化后的最大池化特征；

S33：圖像的全局特征平均池化，將S31得到的特征層向量進行全局平均池化，并輸出池化后的平均池化特征；

S34：全局池化特征的融合階段，將S22與S23所得到的兩種池化特征向量進行特征維度連接，輸出維度連接后的融合池化特征作為增強的全局信息魯棒特征。