一种人脸图像快速特征提取方法

文档序号:6608243阅读:380来源:国知局
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
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1