基于臉部特征的人臉種族分類方法
【專利摘要】基于臉部特征的人臉種族分類方法，它包括如下步驟：1)構(gòu)建人臉種族圖像訓(xùn)練集，對人臉種族圖像訓(xùn)練集數(shù)據(jù)庫使用AdaBoost算法檢測人臉，并進行處理后得到臉部五官中心區(qū)域；2)將得到的人臉圖像進行特征提取，進行PCA變換后，采用LDA分析方法提取特征；3)構(gòu)建人臉種族SVM分類器，將步驟2)得到的特征向量作為分類器輸入，訓(xùn)練基于支持向量機的人臉種族SVM分類器；4)對于新的一幅未知種族的人臉圖像，經(jīng)過步驟1)處理后，通過步驟2)訓(xùn)練的數(shù)據(jù)獲取人臉種族特征；5)將該特征通過步驟3)中訓(xùn)練的人臉種族SVM分類器，獲得人臉種族所屬類別；6)輸出結(jié)果。它利用基于支持向量機的方法，能快速索引不同種族類別的人臉，能提高后續(xù)不同種族人臉性別、年齡判斷的準(zhǔn)確率。
【專利說明】基于臉部特征的人臉種族分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種人臉種族分類方法，特別是一種基于人臉部特征并采用機器學(xué)習(xí)技術(shù)的人臉種族分類方法，屬于圖像處理【技術(shù)領(lǐng)域】。
技術(shù)背景
[0002]人臉蘊藏著豐富的生物信息，人類可通過人臉判別出該個體身份、性別、種族、年齡、表情等信息。隨著計算機視覺技術(shù)的發(fā)展，人臉識別技術(shù)也逐漸得到推廣使用，隨著科技的發(fā)展與應(yīng)用，簡單的人臉身份的判別已不能滿足日趨多樣化日常應(yīng)用。現(xiàn)實應(yīng)用，如智能安全監(jiān)控中還希望通過人臉判別更多的信息，如人臉性別，年齡，種族等屬性，同時也實現(xiàn)不同類別的人員統(tǒng)計，以滿足個性化的服務(wù)實現(xiàn)。
[0003]人臉分析已較廣泛的應(yīng)用與安全監(jiān)控領(lǐng)域，在一些公共場合，如車站，機場，地鐵，營業(yè)大廳內(nèi)等人員流動較大的場所，都需要對出入人員進行統(tǒng)計，通過分析記錄人臉?biāo)N含的信息，如性別，年齡，種族，能快速的搜索目標(biāo)人群，如根據(jù)人員某一特征，如所屬種族類別進行目標(biāo)人物快速檢索，同時實現(xiàn)不同類別的人員統(tǒng)計，采集更多的人員信息，用于后續(xù)分析。而在鑒別出人臉?biāo)鶎俜N族后，也有利于提高人臉性別的判別和年齡信息估計的準(zhǔn)確率，為人臉識別提供更豐富的信息，提升人臉識別的水平。
[0004]在現(xiàn)有人臉種族中，大致可概括為蒙古人(Mongolian)、高加索人(Caucasian)、尼格羅人(Negroid)三類，其中蒙古人種主要分布在中、東亞區(qū)域，如，中日韓及蒙古地區(qū)，高加索人種主要分布?xì)W洲，北美洲以及大洋洲，而尼格羅人主要分布在非洲、拉美、北美以及大洋洲、歐洲部分區(qū)域。隨著經(jīng)濟的全球一體化，交通的日益發(fā)達，各種族人員流動日益增強，各類種族分布并不是只局限于某一區(qū)域，幾乎在全球各個區(qū)域都有這三類種族人員的存在，同時在三類種族之間還存在不同種族混血的情況，對于混血的情況，其外部體現(xiàn)的特征仍會更傾向于某一特定種族。種族之間的差異體現(xiàn)在膚色、臉部特征、體質(zhì)特征等。膚色常被認(rèn)為是最顯著的區(qū)分種族的特征，但有不少因素都影響膚色特征的穩(wěn)定性:
[0005]1.蒙古人與高加索人膚色區(qū)域較為接近，并且在不同光照下依據(jù)膚色很難將蒙古人與高加索人區(qū)分。
[0006]2.膚色還會受化妝影響，尤其是女性，例如蒙古人趨于流行膚色美白，而高加索人趨于流行小麥色膚色，
[0007]3.膚色信息容易受光照的影響，不具備魯棒性，在實用場景下容易影響分類的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0008]為解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于臉部特征支持向量機的人臉種族分類方法，能夠快速索引不同種族類別的人臉，同時提高了后續(xù)對不同種族人臉的性別和年齡判斷的準(zhǔn)確率。
[0009]人臉部五官特征，種族之間比較明顯的差異集中在臉部眼睛以及鼻子區(qū)域，蒙古人眼睛相對小，兩眼角相對間距更大，高加索人眼睛大，并且臉部輪廓，鼻翼突出，尼格羅人臉部較大，眼睛相對較大，鼻子平且寬。這類特征不受光照影響，而且在夜間常用的紅外相機下更具優(yōu)勢。所以本發(fā)明對種族的分類采用基于人臉部特征的方法。
[0010]為實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案:基于人臉部特征的人臉種族分類方法，具體實施步驟如下:
[0011]步驟I)構(gòu)建人臉種族圖像訓(xùn)練集，對人臉種族圖像訓(xùn)練集數(shù)據(jù)庫使用AdaBoost算法檢測人臉，并進行預(yù)處理后得到臉部五官中心區(qū)域；
[0012]步驟2)對步驟I)得到的人臉圖像進行特征提取，進行PCA變換后，采用LDA分析方法提取特征；
[0013]步驟3)構(gòu)建人臉種族SVM分類器，將步驟2)得到的特征向量作為分類器輸入，訓(xùn)練基于支持向量機的人臉種族SVM分類器，將人臉按種族劃分為蒙古人、高加索人、尼格羅人三類；
[0014]步驟4)對于新的一幅未知種族的人臉圖像，經(jīng)過步驟I)的處理后，通過步驟2訓(xùn)練的數(shù)據(jù)獲取人臉種族特征；
[0015]步驟5)對步驟4獲得的新的人臉種族特征，通過步驟3)中訓(xùn)練的人臉種族SVM分類器，獲得人臉種族所屬類別；
[0016]步驟6)輸出人臉種族分類結(jié)果。
[0017]作為優(yōu)選，步驟I)所述的預(yù)處理為:首先，采用基于灰度投影的眼睛定位法，獲取眼睛坐標(biāo)，然后旋轉(zhuǎn)圖像得到人臉正面圖像；其次，對人臉圖像光照使用直方圖均衡化的方法進行歸一化處理；最后，進行圖像尺寸歸一化處理，即剪裁人臉，使裁剪后的人臉區(qū)域恰好包含整個人臉圖像，去除背景區(qū)域以及發(fā)飾、臉部飾品對效果的影響。
[0018]作為優(yōu)選，步驟I)所述的圖像尺寸歸一化處理的尺寸為32X32。
[0019]作為優(yōu)選，步驟I)所述的裁剪后的人臉區(qū)域為方形區(qū)域，裁剪后的臉部邊緣離眼睛的距離為0.2倍人臉寬度,眼睛離額頭的距離為0.2倍人臉寬度。
[0020]本發(fā)明的有益效果是通過支持向量機的方法對人臉種族進行識別，通過對種族的識別后，有利于不同種族間性別和年齡的區(qū)分，能極大提高后續(xù)在不同種族間的性別和年齡判斷的準(zhǔn)確率。
【專利附圖】

【附圖說明】
[0021]圖1為本發(fā)明的種族識別流程圖。
[0022]圖2為本發(fā)明的人臉各五官比例示意圖。
[0023]圖3為本發(fā)明的歸一化剪裁人臉比例示意圖。
[0024]圖4為本發(fā)明的SVM算法基本原理示意圖。
【具體實施方式】
[0025]下面結(jié)合具體實施例對本發(fā)明作進一步說明:
[0026]如圖1所示，基于人臉部特征的人臉種族分類方法，該方法首先對訓(xùn)練集圖像進行預(yù)處理，后進行特征提取，構(gòu)建SVM分類器訓(xùn)練，得到人臉種族分類器。其次，對未知人臉圖像，同樣進行預(yù)處理，后進行特征提取，經(jīng)過人臉種族分類器，判斷人臉種族信息后結(jié)果顯示。具體步驟如下:
[0027]步驟I)構(gòu)建人臉種族圖像訓(xùn)練集，本發(fā)明用于人臉種族圖像訓(xùn)練集的訓(xùn)練圖像包含了大量公開人臉圖像數(shù)據(jù)庫和互聯(lián)網(wǎng)采集圖像，包括FERET、MIT、FDDB, KFDB等數(shù)據(jù)庫，高加索人、尼格羅人和蒙古人都有足夠的代表樣本，每類人種樣本超過8000張。同時為了加強對混血人臉情況的處理，還搜集了混血的網(wǎng)絡(luò)圖像，在每一類種族樣本中都添加一定比例的混血圖像,使混血圖像占該類總樣本的1/4，并且選定的混血人臉面部體現(xiàn)的特征更傾向于其歸屬的人種類別。
[0028]對于人臉數(shù)據(jù)庫圖像以及采集的圖像使用Adaboost算法檢測出圖像中的人臉，并進行預(yù)處理，進行光照歸一化，并定位眼睛，對于檢測到的人臉區(qū)域，采用基于灰度投影的眼睛定位法，獲取眼睛坐標(biāo)，然后旋轉(zhuǎn)圖像得到人臉正面圖像。由于不同種族的差異主要體現(xiàn)在臉部五官，在保留眉毛區(qū)域的前提下可通過一定比例剪裁人臉，因為人臉的比例滿足三庭五眼的比例如圖2所示，所以能直接根據(jù)眼睛位置剪裁人臉圖像，在此區(qū)域能包含整個人臉五官區(qū)域，去除背景區(qū)域以及發(fā)飾，臉部飾品對效果的影響，對圖像尺寸歸一化，為了保留足夠的臉部五官信息，將人臉五官中心區(qū)域歸一化到32X32的尺寸，裁剪后的人臉區(qū)域為方形區(qū)域，裁剪后的臉部邊緣離眼睛的距離為0.2倍人臉寬度，眼睛離額頭的距離為0.2倍人臉寬度，如圖4所示；獲得歸一化的人臉圖像。獲得的人臉圖像包含蒙古人、高加索人、尼格羅人三類人臉圖像。
[0029]步驟2)對步驟I)得到的人臉圖像進行特征提取，進行PCA變換后，采用LDA分析方法提取特征；利用訓(xùn)練集圖像中的人臉獲取臉部特征，不同種族差異主要體現(xiàn)在顱面的不同，所以不同種族間存在面部特征差異，如蒙古人人臉部眼角間距相對更寬，尼格羅人鼻子相對更塌陷，鼻頭更寬。本發(fā)明分別采用PCA，LDA方法獲得人臉特征。具體過程描述如下:
[0030]首先對原始圖像灰度值組成的人臉特征進行PCA分析，降低特征維數(shù)，即將原始數(shù)據(jù)投影到低維的子空間中。
[0031]假設(shè)訓(xùn)練人臉圖像尺寸大小為mXn，則原始數(shù)據(jù)維數(shù)為d = mXn，將人臉?biāo)谢叶戎蛋葱谐槿。M成d維的向量Xi，PCA分析的目的是尋找一個投影矩陣wPM，使得投影后的數(shù)據(jù)在新的子空間中具有大的方差，即減少原始數(shù)據(jù)的相關(guān)性，利用相對少的維數(shù)表示樣本，達到特征降維，假設(shè)訓(xùn)練集圖像樣本總數(shù)為N。
[0032]PCA分析實施過程具體如下:
[0033]計算協(xié)方差矩陣:
【權(quán)利要求】
1.基于臉部特征的人臉種族分類方法，其特征在于它包括如下步驟: 步驟I)構(gòu)建人臉種族圖像訓(xùn)練集，對人臉種族圖像訓(xùn)練集數(shù)據(jù)庫使用AdaBoost算法檢測人臉，并進行預(yù)處理后得到臉部五官中心區(qū)域； 步驟2)對步驟I)得到的人臉圖像進行特征提取，進行PCA變換后，采用LDA分析方法提取特征； 步驟3)構(gòu)建人臉種族SVM分類器，將步驟2)得到的特征向量作為分類器輸入，訓(xùn)練基于支持向量機的人臉種族SVM分類器，將人臉按種族劃分為蒙古人、高加索人、尼格羅人三類； 步驟4)對于新的一幅未知種族的人臉圖像，經(jīng)過步驟I)的處理后，通過步驟2訓(xùn)練的數(shù)據(jù)獲取人臉種族特征； 步驟5)對步驟4獲得的新的人臉種族特征，通過步驟3)中訓(xùn)練的人臉種族SVM分類器，獲得人臉種族所屬類別； 步驟6)輸出人臉種族分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于臉部特征的人臉種族分類方法，其特征在于步驟I)所述的預(yù)處理為:首先，采用基于灰度投影的眼睛定位法，獲取眼睛坐標(biāo)，然后旋轉(zhuǎn)圖像得到人臉正面圖像；其次，對人臉圖像進行直方圖均衡化進行光照進行歸一化處理；最后，進行圖像尺寸歸一化處理，即剪裁人臉，使裁剪后的人臉區(qū)域恰好包含整個人臉圖像，去除背景區(qū)域以及發(fā)飾、臉部飾品對效果的影響。
3.根據(jù)權(quán)利要求2所述的基于臉部特征的人臉種族分類方法，其特征在于步驟I)所述的圖像尺寸歸一化處理的尺寸為32X32。
4.根據(jù)權(quán)利要求1所述的基于臉部特征的人臉種族分類方法，其特征在于步驟I)所述的裁剪后的人臉區(qū)域為方形區(qū)域，裁剪后的臉部邊緣離眼睛的距離為0.2倍人臉寬度，眼睛離額頭的距離為0.2倍人臉寬度。
【文檔編號】G06K9/62GK104036247SQ201410259172
【公開日】2014年9月10日 申請日期:2014年6月11日 優(yōu)先權(quán)日:2014年6月11日
【發(fā)明者】陳昌寶, 王軍, 葛益軍 申請人:杭州巨峰科技有限公司