專利名稱：一種基于人臉形狀及廣義自組織映射的性別識別方法
技術領域：
本發明涉及人臉識別領域的技術，特別是ー種基于從2D人臉圖像恢復出3D人臉形狀信息后再進行人臉性別識別的方法。
背景技術：
隨著人類經濟、社會及生活的飛速發展，對快速有效的自動身份驗證的需求日益迫切。然而普通的身份驗證形式如磁卡、IC卡、標識號碼雖然技術已經成熟，可以采用各種加密手段加以保護，但都不能防止偽造。生物特征是人的內在生物學屬性，具有很強的自身穩定性和個體差異性，因此采用生物特征進行身份識別逐漸成為研究與開發的熱點，基于人臉的生物特征識別技術就是其中之一。較之于其它生物特征(虹膜、掌紋、聲紋等等)，基于人臉的生物特征識別具有眾多良好的特性(如直接、友好、方便等)，易于被用戶所接受， 已經得到廣泛的關注。基于人臉特征的性別識別作為人臉生物特征識別的重要應用方向之一，也日益得到重視。早期的人臉性別識別方法是基于2D圖像展開的例如Gollomb等提出的SEXNET (B.A. Golombj et al., SEXNET: A neural network Identifies sex from human faces,Advances in Neural Information Processing Systems, pp. 572-577， 1991) ；Brunelliand Poggio提出使用HyberBF神經網絡來對從2D圖像抽取的特征進行性別識別(R.Brunelli and T. Poggioj HyberBF Networks for Gender Ciassmcation， Proc.DARPA Image Understanding Workshop, pp. 311-314，1992);國際著名學者A. K. Jain提出了基于獨立分量分析與現行鑒別分析技術集成的人臉2D圖像性別識別(A. Jain andJ. Huang, Integrating independent components and linear discriminant analysisfor gender classification,〃 Sixth IEEE International Conference on AutomaticFace and Gesture Recognition, Proceedings, pp. 159-163，2004)。近年來的研究表明，基于2D圖像進行識別的效果顯著地受到諸如人臉姿態、表情、照明條件變化的影響。而3D人臉形狀信息能夠提供人臉在姿態及光照變化條件下的不變描述，較之于2D人臉圖像，使用3D人臉形狀信息來進行人臉識別有著顯著的優越性。例如，J.心等基于3D人臉形狀信息進行人臉性別識別，使用主測地鑒別分析技術，得到了較好的性別識別結果(Wu Jingj William Smith, Edwin R Hancock. Facial genderclassiiication using shape-from-shading. Image and Vision Computing, 2010:28(6) : 1039-1048)。然而，在很多實際應用場景中，往往只能獲取待識別主體的2D人臉圖像(出于成像、存儲裝置成本的考慮)。因此，如何基于2D人臉圖像恢復出3D人臉形狀，進而進行人臉識別(包括性別識別)就顯得尤其重要。本發明提出的基于人臉形狀及廣義自組織映射的性別識別方法，釆用PGA技術創建 3D 人臉形狀恢復模型(Fletcher P Tj Lu Cong-Linj Pizer S Mj Joshi S.Principal geodesic analysis for the study of nonlinear statistics of shape.IEEE Transactions on Medical Imaging, 2004, 23 (8) : 995-1005);在人臉特征分布學習階段，使用了發明人自行提出的G-SOM模型(於東軍等.廣義SOM及其在人臉性別識別中的應用.計算機學報.2011，34(9) : 1719-1725);在人臉性別預測階段使用的Soft-KNN決策算法(Tan Xiao-Yan, Chen Song-Can, Zhou Zhi-Hua Zhang Fu-Yan. Recognizingpartially occluded, expression variant faces from single training image perperson with SOM and soft KNN ensemble. IEEE Transactions on Neural Networks,2005，16(4) :875-886)。
發明內容
本發明的目的在于從單幅2D人臉圖像恢復出3D人臉形狀，從而解決使用2D人臉圖像進行識別時存在的人臉姿態、表情、照明條件變化對識別精度帶來的不利影響，提供一種基于人臉的有效性別識別方法。本發明的技術方案是ー種基于人臉形狀及廣義自組織映射的性別識別方法，它 包括以下步驟
第一歩，3D人臉形狀恢復模型的創建利用國際標準MAX PLANCK 3D人臉數據庫，使用PGA技術生成3D人臉形狀恢復模型；
第二步，使用人臉局部分塊技術，將MAX PLANCK 3D人臉數據庫中的每個3D人臉輸入到G-SOM進行學習；
第三步，對于一個給定的2D待識別人臉圖像，先使用PGASFS技術恢復出其人臉3D形狀，本發明中，人臉3D形狀以NeedleMap (針狀圖)的形式表示；
第四歩，將恢復得到的3D形狀信息輸入G-S0M，并結合Soft-KNN算法進行識別。本發明的有益效果
本發明與現有人臉性別識別相比，其顯著優點(I)可以從單幅2D人臉圖像恢復出3D人臉形狀信息，進而用于識別，可以有效降低人臉姿態、表情、照明條件變化對識別精度帶來的不利影響；(2)由于3D人臉位于彎曲的黎曼流形空間
，傳統的SOM只適用于歐式線性空間，因此發明人使用了自行提出的G-S0M，該模型
可以自適應學習得到人臉模式在彎曲流形空間內的內蘊拓撲結構，從而有效地提高了性別識別的精度；(3)所采用性別鑒定方法有效地利用了人臉的局部結構與整理結構之間的聯系，提聞了識別率。
圖I是基于人臉形狀及廣義自組織映射的性別識別的流程圖。圖2是一幅2D人臉圖像及其對應的3D恢復圖(NeedleMap)。
具體實施例方式下面結合附圖對本發明作進ー步的說明。圖I給出了本發明的流程圖
首先，使用PGA技術，以MAX PLANCK 3D人臉數據庫為基礎，構建人臉3D形狀恢復模型；其次，使用發明人自行提出的G-S0M，并使用人臉局部分塊技木，學習3D人臉模式在特征空間中的分布規律；在識別階段，對于一幅給定的2D人臉圖像，先使用之前構建的3D恢復模型，并結合PGASFS技術恢復得到其3D形狀信息(以NeedleMap的形式表達)，然后將恢復得到的NeedleMap輸入訓練好的G-SOM，并使用Soft-KNN進行性別分類識別。下面，具體進行闡述
第一歩，3D人臉形狀恢復模型的創建利用國際標準MAX PLANCK 3D人臉數據庫，使用PGA技術生成3D人臉形狀恢復模型。首先，將MAX PLANCK 3D人臉數據庫的每個3D人臉依據其梯度信息轉化為NeedleMap的形式，得到一個對應的NeedleMap集(NXi丨1 辦，其中姆個NeedleMap為
Nろ并且NXf的第J5行(lipQ ) NXf 是單位向量，其含義是圖像中第個
P像素在人臉表面上對應點處的單位法向量。這里，是MAX PLANCK中人臉的個數m是每個人臉的像素個數。 向量NXf可以看作是位于2維單位球面流形上的點，不妨稱之為ギ,亦即JTfeS3 ;因此,可以看作是位于流形爐(《)上的點XfeS2(n)，其中對于流形當基點時，那么切平面T#3上的一個向量可以記為
1= ( 肩。因此黎曼Exp映射為
anllvjl an. ΜΙ 丨丨
V1-丨rfV丨 11 it I .cosHl(I)
V H IHI j
對于S2上的一點,黎曼Log映射為
(θ Θ ^
—相ニじ^⑵
其中 e = anxn<z)。若給定的個基點/ = ν,ζ) Φ (0,,0,1)， 必定可以通過連續的兩步旋轉(先繞I軸，再繞JT軸，反之亦可)操作將I的坐標變換為(OJll)，然后在利用上述兩式得到黎曼
Exp和黎曼Log映射。流形Sa(H)上的黎曼Exp映射等價于B個流形S2上黎曼Exp映射的直積，黎曼Log映射類似。至此，可以給出算法詳細步驟如下
輸入流形S2(H)上的點集CZi|lii《所
輸出{w^} H eTjS7(n)
Begin
χρ4 arg^i!!Ldixxn //第j 個像素點在流形が上的內蘊均值
權利要求
1.一種基于人臉形狀及廣義自組織映射的性別識別方法，其特征在于包括以下四個步驟 第一步，3D人臉形狀恢復模型的創建利用國際標準MAX PLANCK 3D人臉數據庫，使用PGA技術生成3D人臉形狀恢復模型； 第二步，使用人臉局部分塊技術，將MAX PLANCK 3D人臉數據庫中的每個3D人臉輸入到G-SOM進行學習； 第三步，對于一個給定的2D待識別人臉圖像，先使用PGASFS技術恢復出其人臉3D形狀； 第四步，將恢復得到的3D形狀信息輸入G-S0M，并使用Soft-KNN算法進行識別。
2.根據權利要求I所述的一種基于人臉形狀及廣義自組織映射的性別識別方法，其特征在于所述的步驟一中原始圖像可以從單幅2D人臉圖像3D人臉形狀恢復模型的創建。
3.根據權利要求I所述的一種基于人臉形狀及廣義自組織映射的性別識別方法，其特征在于在上述第三步中人臉3D形狀采用針狀圖。
全文摘要
本發明公開了一種基于人臉形狀及廣義自組織映射的性別識別方法。首先，基于國際標準MAXPLANCK3D人臉數據庫，使用PGA技術建立人臉3D形狀恢復模型；然后，使用G-SOM對該3D人臉庫進行學習，得到人臉性別3D特征的分布規律；在識別階段，先使用PGASFS技術在3D形狀恢復模型上恢復出2D人臉圖像的3D形狀信息，然后將恢復得到的3D形狀信息輸入G-SOM,并使用Soft-KNN算法進行性別識別。優點在于一是有效降低人臉姿態、表情、照明條件變化對識別精度帶來的不利影響；二是使用了G-SOM能更好地保持模式內蘊拓撲結構；三是性別鑒定方法利用了人臉的局部結構與整體結構之間的聯系，提高了識別率。
文檔編號G06T17/00GK102682294SQ20121015344
公開日2012年9月19日 申請日期2012年5月17日 優先權日2012年5月17日
發明者唐振民, 戚湧, 於東軍, 楊靜宇 申請人:南京理工大學, 南京理工大學常熟研究院有限公司