基于圖模型表示的人臉畫像-照片識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種人臉畫像-照片識別方法，可用于 刑偵破案中犯罪嫌疑人的身份識別。
【背景技術(shù)】
[0002] 在刑偵破案過程中，犯罪嫌疑人的照片一般是很難獲取的，此時根據(jù)目擊證人或 受害人的描述繪制出的犯罪嫌疑人的畫像是確定犯罪嫌疑人身份的重要線索。由于人臉 畫像和照片在產(chǎn)生機制上的不同，畫像和照片的紋理之間存在很大差異，將傳統(tǒng)的人臉照 片-照片識別方法直接應(yīng)用到人臉畫像-照片識別當中取得的識別率很低，為警方破案帶 來困難。人臉畫像-照片識別技術(shù)是通過信號處理技術(shù)縮小畫像和照片兩種圖像之間的差 異，提高人臉畫像-照片識別的識別率，因此在圖像處理領(lǐng)域受到廣泛關(guān)注。
[0003] 目前，大量關(guān)于人臉畫像-照片識別方法被提出，主要分為三類：基于合成的方 法、基于子空間投影的方法和基于特征的方法。
[0004] 一、基于合成的方法，是通過將畫像合成為偽照片，然后利用傳統(tǒng)的人臉照片-照 片識別方法在偽照片和照片之間進行識別。N. Wang等人在文獻"N. Wang，D. Tao, X. Gao, X. Li,and J. Li.Transductive face sketch-photo synthesis. IEEE Transactions on Neural Networks and Learning System, 24 (9) : 1364-1376, 2013" 中提出了一種基于直推 式的人臉畫像-照片合成方法，利用直推式學習的思想實現(xiàn)人臉畫像-照片的合成，然后在 合成的偽照片和照片之間上進行人臉照片-照片識別。該方法存在的不足之處是，識別效 果主要取決于合成的偽照片的質(zhì)量，由于在合成過程中會存在圖像的變形和失真，導(dǎo)致識 別率低。
[0005] 二、基于子空間投影的方法，是通過將畫像和照片同時投影到一個子空間上，然 后在這個子空間上對畫像和照片進行比對，實現(xiàn)人臉畫像-照片識別。A. Sharma等人 在文獻"A. Sharma and D. Jacobs. Bypass synthesis:PLS for face recognition with pose,low-resolution and sketch. In Proc.IEEE Int. Conference on Computer Vision and Pattern Recognition, pp. 593-600, 2011"中提出了 一種基于偏最小二乘的人臉畫 像-照片識別方法，通過利用偏最小二乘法將畫像和照片投影到同一個線性子空間，然后 在這個線性子空間上進行人臉畫像-照片識別。該方法存在的不足之處是，投影過程中通 常會存在信息的丟失，降低識別效果。
[0006] 三、基于特征的方法，首先利用特征分別對人臉畫像和照片進行編碼，然后通過計 算編碼后的特征的距離關(guān)系來實現(xiàn)人臉畫像-照片識別。A. Alex等人在文獻"A. Alex，V. Asari, and A. Mathew. Local difference of Gaussian binary pattern:robust features for face sketch recognition. In Proc. IEEE Int. Conference on Systems, Man, and Cybernetics, pp. 1211-1216, 2013"中提出了一種基于高斯差分二值化特征的人臉畫 像-照片識別方法，利用高斯差分二值化特征分別對人臉畫像和照片進行編碼，然后利用 編碼結(jié)果進行人臉畫像-照片識別。該方法存在的不足之處是，在利用特征進行編碼時沒 有利用人臉圖像的空間結(jié)構(gòu)信息，導(dǎo)致識別結(jié)果較差。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對上述現(xiàn)有方法的不足，提出一種基于圖模型表示的人臉畫 像-照片識別方法，以通過使用人臉圖像的空間結(jié)構(gòu)信息，提高人臉畫像-照片的識別率。
[0008] 實現(xiàn)本發(fā)明目的的技術(shù)方案包括如下步驟：
[0009] (1)從畫像-照片對集中取出M張畫像組成訓練畫像樣本集，并取出與訓練畫像樣 本集中的畫像一一對應(yīng)的M張照片組成訓練照片樣本集，將畫像-照片對集中剩余的N對 畫像-照片組成測試樣本集；
[0010] (2)組成測試畫像圖模型表示集Ws和測試照片圖模型表示集Wp:
[0011] 將測試樣本集中的每張測試畫像劃分為相同大小及相互重疊的測試畫像塊，并將 每張測試畫像分別與訓練畫像樣本集聯(lián)合學習，得到每張測試畫像的圖模型表示，組成測 試畫像圖模型表示集
：為 第i個測試畫像圖模型表示，為第b個測試畫像塊的圖模型表示，i = 1，2，···，Ν，b = 1，2,…，B，B為測試畫像塊的總個數(shù)；
[0012] 將測試樣本集中的每張測試照片劃分為相同大小及相互重疊的測試照片塊，并將 每張測試照片分別與訓練照片樣本集聯(lián)合學習，得到每張測試照片的圖模型表示，組成測 試照片圖模型表示集
為第j個測試照片圖模型表示，為第b個測試照片塊的圖模型表示，j = 1，2,…，N ;
[0013] (3)初始化統(tǒng)計參數(shù)u = 0 ;
[0014] (4)將第i個測試畫像圖模型表示Is與測試照片圖模型表示集Wp中每個測 試照片圖模型表示進行相似度計算，得到第i個測試畫像圖模型表示的相似度集T = IIm, Tli2,…，T1,,，…，T1J，其中T1,,為第i個測試畫像圖模型表示W(wǎng) 15與第j個測試照片圖 模型表示》f的相似度；
[0015] (5)將相似度集T中的相似度從大到小排序，找出最大的相似度Tlih，如果h等于 i，則統(tǒng)計參數(shù)u增加1 ;
[0016] (6)重復(fù)步驟（4)_(5)，直至處理完測試畫像圖模型表示集Ws中的所有測試畫像 圖模型表示，再根據(jù)下式計算人臉畫像-照片的識別率r :
[0017] r = u/N〇
[0018] 本發(fā)明由于采用圖模型表示實現(xiàn)人臉畫像-照片識別，并在計算圖模型表示過程 中使用人臉圖像的空間結(jié)構(gòu)信息，克服了現(xiàn)有方法在識別過程中忽略人臉圖像的空間結(jié)構(gòu) 信息帶來的識別效果較差的問題，提高了人臉畫像-照片的識別率。
[0019] 以下面結(jié)合附圖，對本發(fā)明實現(xiàn)的步驟作進一步的詳細描述。
【附圖說明】
[0020] 圖1為本發(fā)明基于圖模型表示的人臉畫像-照片識別流程圖；
【具體實施方式】
[0021] 參照圖1，本發(fā)明實現(xiàn)的步驟如下：
[0022] 步驟1，劃分訓練畫像樣本集、訓練照片樣本集和測試樣本集。
[0023] 從畫像-照片對集中取出M張畫像組成訓練畫像樣本集，并取出與訓練畫像樣本 集中的畫像一一對應(yīng)的M張照片組成訓練照片樣本集，將畫像-照片對集中剩余的N對畫 像-照片組成測試樣本集。
[0024] 步驟2,組成測試畫像圖模型表示集Ws和測試照片圖模型表示集WP。
[0025] (2a)將測試樣本集中的每張測試畫像劃分為相同大小及相互重疊的測試畫像塊， 并將每張測試畫像分別與訓練畫像樣本集聯(lián)合學習，得到每張測試畫像的圖模型表示，組 成測試畫像圖模型表示集W s:
[0026] 所述測試畫像與訓練畫像樣本集聯(lián)合學習，是利用參考文獻"H. Zhou，Z. Kuang, and K. Wong. Markov Weight Fields for Face Sketch Synthesis. In Proc. IEEE Int. Conference on Computer Vision, pp. 1091-1097, 2012" 所公開的方法進行，其步驟如 下：
[0027] (2al)將測試樣本集中的第i張測試畫像Sjlj分為相同大小及相互重疊的測試畫 像塊，將每個測試畫像塊的像素值作為特征向量，得到測試畫像S 1的特征向量集f(S J = K(Slil)J(Sli2),…，HS1,b)，…，HS 1,B)}，其中 Slib 為第 b 個測試畫像塊，f (Slib)為第 b 個 測試畫像塊的特征向量，i = 1，2,…，N，b = 1，2,…，B，B為測試畫像塊的總個數(shù)，所述特 征向量包括像素值、尺度不變特征、梯度直方圖特征和加速魯棒特征等，本發(fā)明選用但不局 限于像素值作為特征向量；
[0028] (2a2)根據(jù)步驟（2al)中測試畫像S1的劃分結(jié)果，將訓練畫像樣本集中的訓練畫 像分為相同大小及相互重疊的訓練畫像塊，并將每個訓練畫像塊的像素值作為特征向量；
[0029] (2a3)對第b個測試畫像塊Slib，從訓練畫像樣本集中取出每個訓練畫像的相同 位置的訓練畫像塊，得到共M個訓練畫像塊組成待選擇畫像塊集D lib，并將待選擇畫像塊集 Dlib中所有訓練畫像塊的特征向量組成待選擇特征向量集F lib;將測試畫像塊S lib與第V個 相鄰測試畫像塊的重疊區(qū)域記為^，將待選擇畫像塊集Dlib在重疊區(qū)域巧內(nèi)的像素值組 成重疊區(qū)域特征向量集06, V = 1，2,…，4 ;
[0030] (2a4)根據(jù)下式計算第b個測試畫像塊Slib的圖模型表示:
[0031]
[0032] i表示第￥個 測試畫像塊Sliv的待選擇畫像塊集D liV在重疊區(qū)域內(nèi)的像素值，· τ表示對矩陣進行轉(zhuǎn) 置操作；
[0033] (2a5)重復(fù)步驟（2a3)_(2a4)，直至得到B個測試畫像塊的圖模型表示，組成測試 CN 105138951 A m ~P 4/5 頁 畫像圖模型表矛
··
[0034] (2a6)重復(fù)步驟（2al)_(2a5)，直至得到N個測試畫像圖模型表示，組成測試畫像 圖模型表示集
[0035] (2b)將測試樣本集中的每張測試照片劃分為相同大小及相互重疊的測 試照片塊，并將每張測試照片分別與訓練照片樣本集聯(lián)合