一種人臉圖像快速特征提取方法技術

一種人臉圖像快速特征提取方法，第一步，初始化讀入訓練圖像集，將獲得的彩色人臉圖像轉換到灰度空間；第二步，對圖像進行線性插值和直方圖均衡化；第三步，構造訓練集數據矩陣；第四步，訓練集應用主成份分析法，求取其低維表述矩陣；第五步，求原訓練圖像的低維表述矩陣的隸屬度矩陣；第六步，計算低維表述矩陣的類內散度矩陣和類間散度矩陣；第七步，求得訓練人臉圖像集的特征表述矩陣。本發明專利技術充分考慮了訓練集中各個人的人臉圖像之間的關系，利用了其對于某一人臉子集的屬于和不屬于的信息，得到較好的類中心估計，弱化了某一圖像的劇烈擾動對于該人其他圖像的擾動，從而更加有效地提取人臉特征。

【技術實現步驟摘要】

本專利技術屬于模式識別中的特征提取方法，能夠快速有效地提取人臉圖像中的特征，將其轉化為一個低維向量，且對于個別圖片中的劇烈擾動魯棒性較好。
技術介紹
人臉識別技術是生物特征識別的關鍵技術之一，其研究內容是如何利用計算機分析人臉圖像，從中提取有效的識別信息，完成身份辨識。要想得到識別率較高、實時性較好的識別算法，關鍵的第一步就是有效地提取出圖像中的人臉特征。目前已有的很多算法對于光照、姿態、飾物等等干擾過于敏感，制約了其識別方法的實際應用。本專利提出ー種人臉圖像快速特征提取方法，將訓練圖像在保留主要特征信息的基礎上，變換到低維空間，且充分利用同一人的人臉圖像之間的關系，較小單個訓練圖片中的劇烈擾動帶來的干擾，從而能更加有效地提取出人臉特征。
技術實現思路
本專利技術是一種針對于人臉圖像訓練集的快速人臉特征提取方法。為了實現該目標，本專利技術采取如下技術方案I、ー種人臉圖像快速特征提取方法，其特征在于按照以下步驟進行步驟I :初始化，采集包含R個人的彩色人臉圖像組成含有M個人臉圖像的集合，R為人數且為正整數，M為正整數,第r個人的人臉圖像數為tjr = 1,2,，R, tr為自然數且仁彡4)，r為正整數，每幅人臉圖像的數據大小為1X^X3，其中，c為正整數且c = 1，2，. . .，M，W。，Hc為正整數，分別表示第c幅人臉圖像的列數和行數，然后將獲得的彩色圖像轉化為灰度圖像，得到灰度圖像的大小為WeXH。；步驟2 :對步驟I中處理后的人臉圖像進行圖像預處理，方法如下步驟2. I :用公知的線性插值法分別對第g個圖像進行尺度調整，g為正整數且g=1，2，. . .，M，將第g個圖像規格化為WXH的圖像，W，H為正整數，分別表示尺度歸ー化之后的人臉圖像統ー的列數和行數；步驟2. 2 :對步驟2. I中處理后的人臉圖像進行直方圖均衡化；步驟3 :構造訓練集矩陣對步驟2中得到的M幅人臉圖像的數據格式進行調整，令原來的一幅圖像的像素數據矩陣為A，則有A = (I)其中W表示該圖像的列數，Aw表示像素數據矩陣A的第w列，w為正整數且W =1，2，. . .，W，將像素數據矩陣A中數據按照如下方法進行調整，得到新的WXH行I列的像素數據矩陣A’ 權利要求1.ー種人臉圖像快速特征提取方法，其特征在于按照以下步驟進行 步驟I :初始化，采集包含R個人的彩色人臉圖像組成含有M個人臉圖像的集合，R為人數且為正整數，M為正整數,第r個人的人臉圖像數為tjr = 1,2, . . . , R, tr為自然數且仁彡4)，r為正整數，每幅人臉圖像的數據大小為1X^X3，其中，c為正整數且c = 1，.2，. . .，M，W。，Hc為正整數，分別表示第c幅人臉圖像的列數和行數，然后將獲得的彩色圖像轉化為灰度圖像，得到灰度圖像的大小為WeXH。； 步驟2 :對步驟I中處理后的人臉圖像進行圖像預處理，方法如下 步驟2. I :用公知的線性插值法分別對第g個圖像進行尺度調整，g為正整數且g =.1，2，. . .，M，將第g個圖像規格化為WXH的圖像，W，H為正整數，分別表示尺度歸ー化之后的人臉圖像統ー的列數和行數； 步驟2. 2 :對步驟2. I中處理后的人臉圖像進行直方圖均衡化； 步驟3 :構造訓練集矩陣對步驟2中得到的M幅人臉圖像的數據格式進行調整，令原來的一幅圖像的像素數據矩陣為A，則有 A = (I) 其中W表示該圖像的列數，Aw表示像素數據矩陣A的第w列，w為正整數且w =1，2，. . .，W，將像素數據矩陣A中數據按照如下方法進行調整，得到新的WXH行I列的像素數據矩陣A’ 全文摘要，第一步，初始化讀入訓練圖像集，將獲得的彩色人臉圖像轉換到灰度空間；第二步，對圖像進行線性插值和直方圖均衡化；第三步，構造訓練集數據矩陣；第四步，訓練集應用主成份分析法，求取其低維表述矩陣；第五步，求原訓練圖像的低維表述矩陣的隸屬度矩陣；第六步，計算低維表述矩陣的類內散度矩陣和類間散度矩陣；第七步，求得訓練人臉圖像集的特征表述矩陣。本專利技術充分考慮了訓練集中各個人的人臉圖像之間的關系，利用了其對于某一人臉子集的屬于和不屬于的信息，得到較好的類中心估計，弱化了某一圖像的劇烈擾動對于該人其他圖像的擾動，從而更加有效地提取人臉特征。文檔編號G06K9/62GK102831425SQ20121031236公開日2012年12月19日 申請日期2012年8月29日 優先權日2012年8月29日專利技術者路小波, 徐千州, 曾維理, 杜一君 申請人:東南大學本文檔來自技高網...

【技術保護點】
一種人臉圖像快速特征提取方法，其特征在于按照以下步驟進行：步驟1：初始化，采集包含R個人的彩色人臉圖像組成含有M個人臉圖像的集合，R為人數且為正整數，M為正整數，第r個人的人臉圖像數為tr(r＝1，2，...，R，tr為自然數且tr≥4)，r為正整數，每幅人臉圖像的數據大小為Wc×Hc×3，其中，c為正整數且c＝1，2，...，M，Wc，Hc為正整數，分別表示第c幅人臉圖像的列數和行數，然后將獲得的彩色圖像轉化為灰度圖像，得到灰度圖像的大小為Wc×Hc；步驟2：對步驟1中處理后的人臉圖像進行圖像預處理，方法如下：步驟2.1：用公知的線性插值法分別對第g個圖像進行尺度調整，g為正整數且g＝1,2,...,M，將第g個圖像規格化為W×H的圖像，W,H為正整數，分別表示尺度歸一化之后的人臉圖像統一的列數和行數；步驟2.2：對步驟2.1中處理后的人臉圖像進行直方圖均衡化；步驟3：構造訓練集矩陣：對步驟2中得到的M幅人臉圖像的數據格式進行調整，令原來的一幅圖像的像素數據矩陣為A，則有A＝[A1，A2，…，AW]？？？？？？？？？？？？？？？？？？？（1）其中W表示該圖像的列數，Aw表示像素數據矩陣A的第w列，w為正整數且w＝1,2,...,W，將像素數據矩陣A中數據按照如下方法進行調整，得到新的W×H行1列的像素數據矩陣A“：A′=[A1T,AWT,...,AWT]T---(2)將原來的M幅圖像均按照上述方法，調整為W×H行1列，再將每一幅圖像轉換后的數據作為另一矩陣的一列，構造訓練集矩陣，即Γ＝[Γ1,Γ2,...,ΓM]？？？？？？？？？？？？？？？？？（3）其中，Γ即為由M個人臉圖像構成的訓練集矩陣，Γl是第l個圖像數據經過式（1）和式（2）變換得到的數據，l為正整數，且l＝1,2,...,M；步驟4：對訓練集矩陣應用主成份分析法，求取訓練集矩陣的低維表述矩陣，其方法如下：步驟4.1：求取訓練集矩陣Γ的均值向量，對訓練集矩陣Γ每一行對應位置的數據進行數值平均，得到訓練集矩陣Γ的均值向量，即Γ‾=1MΣu=1MΓu---(4)其中，u為正整數，且u＝1,2,...,M，為訓練集矩陣Γ的均值向量；步驟4.2：將訓練集矩陣Γ根據其均值向量進行中心化，并求取中心化之后的協方差矩陣的轉置矩陣，即C=Σy=1M(Γy-Γ‾)T(Γy-Γ‾)---(5)其中，C即為中心化后的訓練集矩陣的協方差矩陣的轉置矩陣，y為正整數，且y＝1,2,...，M，Γy為原訓練集矩陣的第y列；步驟4.3：對步驟4.2中求得的矩陣C求取特征值和特征向量，并將特征值按照數值大小降序排列，按照排列后的特征值的順序重新排列特征值對應特征向量，使矩陣C的特征向量排序后構成新的特征向量矩陣，即：Q＝[Q1,Q2,...,QM]？？？？？？？？？？？？？？？？？？？？？？？？？？（6）U＝[μ1,μ2,...,μM],μ1＞μ2＞...＞μM？？？？（7）其中，Q為矩陣C的特征向量排序后構成的特征向量矩陣，U為矩陣C的特征值組成的行向量，μρ為矩陣C的特征值，Qρ為μρ對應的特征向量，ρ為正整數，且ρ＝1，2，...，M；步驟4.4：求取簡化特征向量矩陣，對步驟4.3中求的特征向量矩陣Q選取前L列，構成矩陣C的簡化特征向量矩陣，L為正整數，且L＝M？R，即S＝[Q1,Q2,...,QL]？？？？？？？？？？？？？？？？？？？？？？？？？？（8）其中S為矩陣C的簡化特征向量矩陣；步驟4.5：將中心化之后的訓練集矩陣在簡化特征向量矩陣S上投影，得到特征臉矩陣F，特征臉矩陣F的每一列按照下式求取：Fx=(Γx-Γ‾)S---(9)其中，Fx是特征臉矩陣F的第x列，x為正整數，且有x＝1,2,...,L；步驟4.6：將訓練集矩陣Γ在特征臉矩陣F上投影，得到訓練集矩陣Γ的基于特征臉矩陣F的低維表述矩陣X，即X＝FTΓ？？？？？？？？？？？？？？？？？？？？？？？？？？？？（10）其中，X為低維表述矩陣；步驟5：求取步驟4中所得的低維表述矩陣X的隸屬度矩陣，方法如下：步驟5.1：設定一個M行M列的矩陣G，求取低維表述矩陣X中第a列與第b列的歐幾里德距離，作為矩陣G的第a行第b列的元素Gab，a,b是正整數且有a,b∈[1,M]，特別地，當a＝b時，設置Gab為無窮大；步驟5.2：創建矩陣G的副本G“，...

【技術特征摘要】

【專利技術屬性】
技術研發人員：路小波，徐千州，曾維理，杜一君，
申請(專利權)人：東南大學，
類型：發明
國別省市：