专利名称：一种人脸图像快速特征提取方法
技术领域：
本发明属于模式识别中的特征提取方法，能够快速有效地提取人脸图像中的特征，将其转化为一个低维向量，且对于个别图片中的剧烈扰动鲁棒性较好。
背景技术：
人脸识别技术是生物特征识别的关键技术之一，其研究内容是如何利用计算机分析人脸图像，从中提取有效的识别信息，完成身份辨识。要想得到识别率较高、实时性较好的识别算法，关键的第一步就是有效地提取出图像中的人脸特征。目前已有的很多算法对于光照、姿态、饰物等等干扰过于敏感，制约了其识别方法的实际应用。本专利提出ー种人脸图像快速特征提取方法，将训练图像在保留主要特征信息的基础上，变换到低维空间，且充分利用同一人的人脸图像之间的关系，较小单个训练图片中的剧烈扰动带来的干扰，从而能更加有效地提取出人脸特征。
发明内容
本发明是一种针对于人脸图像训练集的快速人脸特征提取方法。为了实现该目标，本发明采取如下技术方案I、ー种人脸图像快速特征提取方法，其特征在于按照以下步骤进行步骤I :初始化，采集包含R个人的彩色人脸图像组成含有M个人脸图像的集合，R为人数且为正整数，M为正整数,第r个人的人脸图像数为tjr = 1,2,，R, tr为自然数且仁彡4)，r为正整数，每幅人脸图像的数据大小为1X^X3，其中，c为正整数且c = 1，2，. . .，M，W。，Hc为正整数，分别表示第c幅人脸图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为WeXH。；步骤2 :对步骤I中处理后的人脸图像进行图像预处理，方法如下步骤2. I :用公知的线性插值法分别对第g个图像进行尺度调整，g为正整数且g=1，2，. . .，M，将第g个图像规格化为WXH的图像，W，H为正整数，分别表示尺度归ー化之后的人脸图像统ー的列数和行数；步骤2. 2 :对步骤2. I中处理后的人脸图像进行直方图均衡化；步骤3 :构造训练集矩阵对步骤2中得到的M幅人脸图像的数据格式进行调整，令原来的一幅图像的像素数据矩阵为A，则有A = [A1, A2, , Aff](I)其中W表示该图像的列数，Aw表示像素数据矩阵A的第w列，w为正整数且W =1，2，. . .，W，将像素数据矩阵A中数据按照如下方法进行调整，得到新的WXH行I列的像素数据矩阵A’
权利要求
1.ー种人脸图像快速特征提取方法，其特征在于按照以下步骤进行 步骤I :初始化，采集包含R个人的彩色人脸图像组成含有M个人脸图像的集合，R为人数且为正整数，M为正整数,第r个人的人脸图像数为tjr = 1,2, . . . , R, tr为自然数且仁彡4)，r为正整数，每幅人脸图像的数据大小为1X^X3，其中，c为正整数且c = 1，.2，. . .，M，W。，Hc为正整数，分别表示第c幅人脸图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为WeXH。； 步骤2 :对步骤I中处理后的人脸图像进行图像预处理，方法如下 步骤2. I :用公知的线性插值法分别对第g个图像进行尺度调整，g为正整数且g =.1，2，. . .，M，将第g个图像规格化为WXH的图像，W，H为正整数，分别表示尺度归ー化之后的人脸图像统ー的列数和行数； 步骤2. 2 :对步骤2. I中处理后的人脸图像进行直方图均衡化； 步骤3 :构造训练集矩阵对步骤2中得到的M幅人脸图像的数据格式进行调整，令原来的一幅图像的像素数据矩阵为A，则有 A = [A1, A2, Aff](I) 其中W表示该图像的列数，Aw表示像素数据矩阵A的第w列，w为正整数且w =1，2，. . .，W，将像素数据矩阵A中数据按照如下方法进行调整，得到新的WXH行I列的像素数据矩阵A’
全文摘要
一种人脸图像快速特征提取方法，第一步，初始化读入训练图像集，将获得的彩色人脸图像转换到灰度空间；第二步，对图像进行线性插值和直方图均衡化；第三步，构造训练集数据矩阵；第四步，训练集应用主成份分析法，求取其低维表述矩阵；第五步，求原训练图像的低维表述矩阵的隶属度矩阵；第六步，计算低维表述矩阵的类内散度矩阵和类间散度矩阵；第七步，求得训练人脸图像集的特征表述矩阵。本发明充分考虑了训练集中各个人的人脸图像之间的关系，利用了其对于某一人脸子集的属于和不属于的信息，得到较好的类中心估计，弱化了某一图像的剧烈扰动对于该人其他图像的扰动，从而更加有效地提取人脸特征。
文档编号G06K9/62GK102831425SQ20121031236
公开日2012年12月19日 申请日期2012年8月29日 优先权日2012年8月29日
发明者路小波, 徐千州, 曾维理, 杜一君 申请人:东南大学