一種人臉識別方法
【技術領域】
[0001] 本發明涉及圖像處理，特別涉及一種人臉圖像識別方法。
【背景技術】
[0002] 基于內容的圖像識別是從海量數字圖像信息中獲取有價值的信息，從所查詢圖像 的視覺特征出發，在人臉圖像文件庫中找出與其最為相似的被查詢者的圖像。其最關鍵的 兩項技術是人臉圖像特征提取和人臉特征相似性匹配。傳統圖像特征提取方法檢測圖像特 征點并進行特征描述而得到，而通常從一幅圖像上提取的特征數量有限，且隨圖像灰度的 變化其差異性較大，甚至在有些對比度過低的圖像中還可能檢測不到特征，另外一個不利 因素是其特征點檢測方法的運算復雜度一般較高；雖然對圖像內容的描述覆蓋面較大，但 也帶來特征數據量過多的問題。常規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據，當維度提高時這些方法的復雜度呈指數級上升，性能急劇下 降，而線性掃描雖然不受特征維度的限制，但耗時較長。
[0003] 因此，針對相關技術中所存在的上述問題，目前尚未提出有效的解決方案。
【發明內容】
[0004] 為解決上述現有技術所存在的問題，本發明提出了一種人臉識別方法，包括：
[0005] 對于人臉圖像文件庫中的每幅圖像，通過預設特征提取方法得到圖像特征矢量， 形成相應的人臉圖像特征庫，在此基礎上建立索引；
[0006] 當用戶提交被查詢的人臉圖像時，應用所述預設特征提取方法實時獲取圖像特征 矢量，然后利用鄰近搜索從人臉圖像特征庫中查找所有被查詢人臉圖像特征的鄰近特征， 并計算被查詢人臉圖像與人臉圖像文件庫中的圖像之間的相似度；
[0007] 按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像 識別結果。
[0008] 優選地，其特征在于，所述圖像特征提取方法包括特征檢測和特征描述，其中特征 檢測包括：檢測尺度空間極值點，通過隨機采樣獲取特征點；篩選并定位特征點的位置和 尺度；
[0009] 在所述采樣過程中，不對邊緣區域的像素點進行采樣，而只采樣圖像行、列范圍的 1/10-9/10 內的點；
[0010] 所述特征描述包括特征點分配主方向；直接對隨機采樣的特征點進行特征描述， 生成只包含位置和方向信息的特征描述矢量。
[0011] 優選地，其特征在于，所述建立索引的步驟進一步包括：
[0012] (1)將圖像高維特征矢量p = (Xp x2，…，xd)映射到漢明空間中，轉換為二進制 串 p' = UjxDKxJ…Uc(xd)，其中，UjXi) (i G [1，d])表示由Xif1 與C-X4個 0 組成的 二進制串，c為特征矢量P中任意元素Xi的最大值，d為特征矢量維度；
[0013] (2)從上述二進制字符串P'中隨機選k位（k G (〇, cXd))組成1個散列函數： gl(p)、g2(p)、…、gl(p)，每個函數對應一個散列表；
[0014] (3)利用步驟⑵中的函數，將特征矢量映射到相應的散列表中。
[0015] 優選地，所述利用鄰近搜索從人臉圖像特征庫中查找所有被查詢人臉圖像特征的 鄰近特征，進一步包括：
[0016] (1)對于被查詢人臉圖像中特征qi、q2、…、q k，映射到漢明空間中，轉換為二進制 串 P' = 11?11。(叉2) ???!!?，其中，(i G [1，k])表示由 1 與 c-x ^ 0 組成的 二進制串，c為被查詢人臉圖像特征矢量中任意元素Xi的最大值，k為特征矢量維度，并通 過所述1個散列函數&化）、&化）、一、&化）分別映射到相應的散列表中；
[0017] ⑵提取gjqj) (i G (〇，1]，j G (〇，k])相似域中的所有散列表項，保留與被查詢 人臉圖像特征矢量距離在閾值范圍內的表項，由特征庫索引查找對應特征作為候選的鄰近 特征；
[0018] (3)對于得到的候選鄰近特征集，按其與查詢特征之間的漢明距離由小到大排序， 返回前K個特征作為被查詢人臉圖像特征的鄰近特征，K為預設常數。
[0019] 本發明相比現有技術，具有以下優點：
[0020] 本發明提出了一種人臉識別方法，有效降低了圖像識別中特征提取和特征匹配的 計算復雜度，提高了識別效率。
【附圖說明】
[0021] 圖1是根據本發明實施例的人臉識別方法的流程圖。
【具體實施方式】
[0022] 下文與圖示本發明原理的附圖一起提供對本發明一個或者多個實施例的詳細描 述。結合這樣的實施例描述本發明，但是本發明不限于任何實施例。本發明的范圍僅由權 利要求書限定，并且本發明涵蓋諸多替代、修改和等同物。在下文描述中闡述諸多具體細節 以便提供對本發明的透徹理解。出于示例的目的而提供這些細節，并且無這些具體細節中 的一些或者所有細節也可以根據權利要求書實現本發明。
[0023] 圖1是根據本發明實施例的人臉識別方法流程圖。本發明提出的人臉圖像識別方 法可分為離線過程和在線過程兩部分。
[0024] ①離線過程，即對于人臉圖像文件庫中的每幅圖像，事先應用特征提取方法，經特 征檢測、特征描述得到圖像特征矢量，形成相應的人臉圖像特征庫，然后在此基礎上建立索 引以方便對查詢特征的快速搜索；②在線過程，即對于用戶提交的被查詢人臉圖像，應用相 同的特征提取方法實時獲取圖像特征矢量，然后在特征匹配過程中，通過適當的鄰近搜索 方法從特征庫中查找所有被查詢人臉圖像特征的鄰近特征，并計算被查詢人臉圖像與人臉 圖像文件庫中的圖像之間的相似度，按相似度從大到小的順序返回最相似的一組人臉圖像 文件庫中的圖像作為圖像識別結果。
[0025] 圖像特征提取包括特征檢測和特征描述兩個部分。特征檢測包括檢測尺度空間極 值點作為候選特征點；篩選并精確定位特征點的位置和尺度；特征描述包括特征點分配主 方向；生成特征描述矢量。本發明縮減了特征檢測階段的大量計算，通過隨機采樣圖像像 素點作為特征點并進行特征描述從而得到圖像特征矢量，因此該方法能有效降低計算復雜 度，提高計算效率。
[0026] 首先，通過隨機采樣獲取圖像特征點。由于隨機采樣所得特征點的位置具有隨機 性，因此在設定采樣點個數時要保證采樣點位置分布相對均勻，即能夠盡可能地采樣到圖 像中不同區域的特征信息，盡量避免采樣點過于集中以致獲得的特征點不能較全面地體現 整幅圖像的視覺特征。并且，由于圖像邊緣部分的點一般不能較好地體現圖像的內容信 息，因此本發明設定盡量不對邊緣區域的像素點進行采樣，優選地只采樣圖像行、列范圍的 1/10-9/10內的點。假設rows、cols分別為圖像行、列數，采樣個數為mXn(如圖像大小為 640X480,取 m = l/10rows，n = l/10cols)，先對圖像行 l/10rows 至 9/10rows 范圍內隨 機采樣m個數得到相應行號;、:r2、:r3、…、rm，然后在每個特定行號下對圖像列l/10cols 至9/10cols范圍內隨機采樣n個數就得到相應列號Cj，貝采樣點坐標為（rpCj)，其中i = 1、2、…、m，j = 1、2、?..、]!〇
[0027] 隨機特征點采樣完成后，對其進行描述。特征描述的目的在于準確表達局部圖像 信息并使這種信息具有可靠的表征性。本發明直接對隨機采樣的特征點進行特征描述，因 此最終得到的特征矢量相對于傳統方法而言只包含位置和方向信息。特征矢量計算步驟如 下：
[0028] (1)取特征點周圍4X4的鄰域，利用此鄰域內像素點的梯度來統計方向直方圖， 即以每10°方向為一個柱，柱所代表的方向為像素點梯度方向，柱的長度代表梯度幅值。對 方向直方圖進行兩次平滑后的主峰值即為特征點的主方向。利用特征點鄰域像素的梯度方 向分布特性，可以為每個特征點指定方向，從而使描述子對圖像旋轉具有不變性。設特征點 (x，y)處的灰度值為g(x，y)，圖像梯度方向為0 (x，y)、幅值為M(x，y)，計算公式如下：
【主權項】
1. 一種人臉識別方法，其特征在于，包括： 對于人臉圖像文件庫中的每幅圖像，通過預設特征提取方法得到圖像特征矢量，形成 相應的人臉圖像特征庫，在此基礎上建立索引； 當用戶提交被查詢的人臉圖像時，應用所述預設特征提取方法實時獲取圖像特征矢 量，然后利用鄰近捜索從人臉圖像特征庫中查找所有被查詢人臉圖像特征的鄰近特征，并 計算被查詢人臉圖像與人臉圖像文件庫中的圖像之間的相似度； 按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像識別 結果。
2. 根據權利要求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和 特征描述，其中特征檢測包括；檢測尺度空間極值點，通過隨機采樣獲取特征點；篩選并定 位特征點的位置和尺度； 在所述采樣過程中，不對邊緣區域的像素點進行采樣，而只采樣圖像行、列范圍的 1/10-9/10 內的點； 所述特征描述包括特征點分配主方向；直接對隨機采樣的特征點進行特征描述，生成 只包含位置和方向信息的特征描述矢量。
3. 根據權利要求2所述的方法，其特征在于，所述建立索引的步驟進一步包括： (1) 將圖像高維特征矢量P = (XI，X,，…，Xd)映射到漢明空間中，轉換為二進制串P' =11。片1化咕)…&柏)，其中，&(Xi) (i G [1，d])表示由X;個1與C-X i個0組成的二進 制串，C為特征矢量P中任意元素Xi的最大值，d為特征矢量維度； (2) 從上述二進制字符串P'中隨機選k位化G (0，cXd))組成1個散列函數；gi(p)、 拓(P)、…、gi(P)，每個函數對應一個散列表； (3) 利用步驟（2)中的函數，將特征矢量映射到相應的散列表中。
4. 根據權利要求3所述的方法，其特征在于，所述利用鄰近捜索從人臉圖像特征庫中 查找所有被查詢人臉圖像特征的鄰近特征，進一步包括： (1)對于被查詢人臉圖像中特征qi、Q2、…、Qk，映射到漢明空間中，轉換為二進制串P' =11。片1化咕)…&柏)，其中，&(Xi) (i G [1，k])表示由X;個1與C-X i個0組成的二進 制串，C為被查詢人臉圖像特征矢量中任意元素Xi的最大值，k為特征矢量維度，并通過所 述1個散列函數&(9)、32似、"，、&似分別映射到相應的散列表中； 似提取gi(qP (i G (0, 1]，j G (0, k])相似域中的所有散列表項，保留與被查詢人 臉圖像特征矢量距離在闊值范圍內的表項，由特征庫索引查找對應特征作為候選的鄰近特 征； (3)對于得到的候選鄰近特征集，按其與查詢特征之間的漢明距離由小到大排序，返回 前K個特征作為被查詢人臉圖像特征的鄰近特征，K為預設常數。
【專利摘要】本發明提供了一種人臉識別方法，該方法包括：通過預設特征提取方法得到人臉圖像文件庫中的每幅圖像的特征矢量，形成相應的人臉圖像特征庫并建立索引；當用戶提交被查詢的人臉圖像時，應用所述預設特征提取方法實時獲取圖像特征矢量，然后利用鄰近搜索從人臉圖像特征庫中查找所有被查詢人臉圖像特征的鄰近特征，并計算圖像之間的相似度；按相似度從大到小的順序返回最相似的一組人臉圖像文件庫中的圖像作為圖像識別結果。發明提出了一種人臉識別方法，有效降低了圖像識別中特征提取和特征匹配的計算復雜度，提高了識別效率。
【IPC分類】G06K9-62, G06K9-00
【公開號】CN104573681
【申請號】CN201510072798
【發明人】姚遠
【申請人】成都果豆數字娛樂有限公司
【公開日】2015年4月29日
【申請日】2015年2月11日