一種面部識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理，特別涉及一種面部圖像識(shí)別方法。
【背景技術(shù)】
[0002] 基于內(nèi)容的圖像識(shí)別是從海量數(shù)字圖像信息中獲取有價(jià)值的信息，從所查詢(xún)圖像 的視覺(jué)特征出發(fā)，在面部圖像文件庫(kù)中找出與其最為相似的被查詢(xún)者的圖像。其最關(guān)鍵的 兩項(xiàng)技術(shù)是面部圖像特征提取和面部特征相似性匹配。傳統(tǒng)圖像特征提取方法檢測(cè)圖像特 征點(diǎn)并進(jìn)行特征描述而得到，而通常從一幅圖像上提取的特征數(shù)量有限，且隨圖像灰度的 變化其差異性較大，甚至在有些對(duì)比度過(guò)低的圖像中還可能檢測(cè)不到特征，另外一個(gè)不利 因素是其特征點(diǎn)檢測(cè)方法的運(yùn)算復(fù)雜度一般較高；雖然對(duì)圖像內(nèi)容的描述覆蓋面較大，但 也帶來(lái)特征數(shù)據(jù)量過(guò)多的問(wèn)題。常規(guī)特征相似性匹配方法的基于特征空間搜索的索引，僅 能處理較低維度的特征數(shù)據(jù)，當(dāng)維度提高時(shí)這些方法的復(fù)雜度呈指數(shù)級(jí)上升，性能急劇下 降，而線性掃描雖然不受特征維度的限制，但耗時(shí)較長(zhǎng)。
[0003] 因此，針對(duì)相關(guān)技術(shù)中所存在的上述問(wèn)題，目前尚未提出有效的解決方案。

【發(fā)明內(nèi)容】

[0004] 為解決上述現(xiàn)有技術(shù)所存在的問(wèn)題，本發(fā)明提出了一種面部識(shí)別方法，包括：
[0005] 當(dāng)用戶(hù)提交被查詢(xún)的面部圖像時(shí)，應(yīng)用預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征矢 量；
[0006] 基于被查詢(xún)的面部圖像的特征矢量與面部圖像文件庫(kù)中的每幅圖像的圖像特征 矢量的比較，利用鄰近搜索方法從面部圖像特征庫(kù)中查找所有被查詢(xún)面部圖像特征的鄰近 特征，以此計(jì)算圖像之間的相似度。
[0007] 優(yōu)選地，所述圖像特征提取方法包括特征檢測(cè)和特征描述，所述特征描述包括特 征點(diǎn)分配主方向；直接對(duì)隨機(jī)采樣的特征點(diǎn)進(jìn)行特征描述，生成只包含位置和方向信息的 特征描述矢量，并且所述特征矢量的生成過(guò)程包括：
[0008] (1)取特征點(diǎn)周?chē)?X4的鄰域，利用此鄰域內(nèi)像素點(diǎn)的梯度來(lái)統(tǒng)計(jì)方向直方圖， 以每10°方向?yàn)橐粋€(gè)柱，該柱所代表的方向?yàn)橄袼攸c(diǎn)梯度方向，該柱的長(zhǎng)度代表梯度幅值， 對(duì)方向直方圖進(jìn)行兩次平滑后的主峰值作為特征點(diǎn)的主方向，利用特征點(diǎn)鄰域像素的梯度 方向分布特性為每個(gè)特征點(diǎn)指定方向；
[0009] 若特征點(diǎn)（x，y)處的灰度值為g(x，y)，圖像梯度方向?yàn)? (x，y)、幅值為M(x，y)，計(jì)算公式如下：
【主權(quán)項(xiàng)】
1. 一種面部識(shí)別方法，其特征在于，包括： 當(dāng)用戶(hù)提交被查詢(xún)的面部圖像時(shí)，應(yīng)用預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征矢量； 基于被查詢(xún)的面部圖像的特征矢量與面部圖像文件庫(kù)中的每幅圖像的圖像特征矢量 的比較，利用鄰近搜索方法從面部圖像特征庫(kù)中查找所有被查詢(xún)面部圖像特征的鄰近特 征，以此計(jì)算圖像之間的相似度。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像特征提取方法包括特征檢測(cè)和 特征描述，所述特征描述包括特征點(diǎn)分配主方向；直接對(duì)隨機(jī)采樣的特征點(diǎn)進(jìn)行特征描述， 生成只包含位置和方向信息的特征描述矢量，并且所述特征矢量的生成過(guò)程包括： (1) 取特征點(diǎn)周?chē)?X4的鄰域，利用此鄰域內(nèi)像素點(diǎn)的梯度來(lái)統(tǒng)計(jì)方向直方圖，以每 10°方向?yàn)橐粋€(gè)柱，該柱所代表的方向?yàn)橄袼攸c(diǎn)梯度方向，該柱的長(zhǎng)度代表梯度幅值，對(duì)方 向直方圖進(jìn)行兩次平滑后的主峰值作為特征點(diǎn)的主方向，利用特征點(diǎn)鄰域像素的梯度方向 分布特性為每個(gè)特征點(diǎn)指定方向； 若特征點(diǎn)（x，y)處的灰度值為g(x，y)，圖像梯度方向?yàn)? (x，y)、幅值為M(x，y)，計(jì)算 公式如下：
(2) 將特征點(diǎn)周?chē)?6X16鄰域旋轉(zhuǎn)為特征點(diǎn)的主方向，若旋轉(zhuǎn)前采樣點(diǎn)坐標(biāo)為（x，y)， 則計(jì)算旋轉(zhuǎn)后的采樣點(diǎn)坐標(biāo)（x'，y'）為：
式中：0為所述特征點(diǎn)梯度方向0 (X，y); (3) 在特征點(diǎn)周?chē)?6X16鄰域窗口中，對(duì)各像素點(diǎn)根據(jù)坐標(biāo)按加權(quán)平均歸入4X4的位 置網(wǎng)格，每個(gè)網(wǎng)格構(gòu)成一個(gè)種子點(diǎn)； (4) 統(tǒng)計(jì)各個(gè)網(wǎng)格的方向直方圖，此時(shí)每個(gè)網(wǎng)格區(qū)域直方圖將0° -360°劃分為8個(gè) 方向區(qū)間，每個(gè)區(qū)間范圍為45°，即每個(gè)種子點(diǎn)有8個(gè)方向區(qū)間的梯度強(qiáng)度信息，最終獲得 128維的特征描述矢量，進(jìn)一步對(duì)特征描述矢量進(jìn)行正則化處理，去除光照變化影響； 對(duì)特征描述后得到的矢量進(jìn)行篩選： 當(dāng)特征點(diǎn)D經(jīng)特征描述后所得矢量（aQ，ai，…，a127)中元素值為0的元素個(gè)數(shù)為n(ne[0，128])時(shí)，若n>K，則舍去該點(diǎn)D，其中K為預(yù)設(shè)正整數(shù)）。
【專(zhuān)利摘要】本發(fā)明提供了一種面部識(shí)別方法，該方法包括：當(dāng)用戶(hù)提交被查詢(xún)的面部圖像時(shí)，應(yīng)用預(yù)設(shè)特征提取方法實(shí)時(shí)獲取圖像特征矢量；基于被查詢(xún)的面部圖像的特征矢量與面部圖像文件庫(kù)中的每幅圖像的圖像特征矢量的比較，利用鄰近搜索方法從面部圖像特征庫(kù)中查找所有被查詢(xún)面部圖像特征的鄰近特征，以此計(jì)算圖像之間的相似度。本發(fā)明提出了一種面部識(shí)別方法，有效降低了圖像識(shí)別中特征提取和特征匹配的計(jì)算復(fù)雜度，提高了識(shí)別效率。
【IPC分類(lèi)】G06F17-30, G06K9-00
【公開(kāi)號(hào)】CN104615995
【申請(qǐng)?zhí)枴緾N201510074035
【發(fā)明人】姚遠(yuǎn)
【申請(qǐng)人】成都果豆數(shù)字娛樂(lè)有限公司
【公開(kāi)日】2015年5月13日
【申請(qǐng)日】2015年2月11日