濾波處理，生成N*M個人臉整 體的初始紋理圖像、N*M個眉毛眼睛的初始紋理圖像及N*M個嘴巴的初始紋理圖像。
[0081] 本實施例通過將2D-Gabor濾波處理生成的多個初始紋理圖像平均分組，并從各 組初始紋理圖像中提取特征圖像，并通過對提取的最顯著和最有利于識別的面部器官的局 部圖像進行2D-Gabor濾波處理，剔除了初始紋理圖像中的一些不重要的紋理特征，使得提 取的人臉紋理特征更加突出，有利于識別處理。
[0082] 上述第一至第二實施例的提取人臉紋理的方法的執行主體均可以為人臉紋理提 取設備或與人臉紋理提取設備信號連接的人臉識別設備。更進一步地，所述提取人臉紋理 的方法可以由安裝在人臉紋理提取設備或人臉識別設備上的客戶端檢測程序實現。
[0083] 本發明進一步提供一種提取人臉紋理的裝置。
[0084] 參照圖6,圖6為本發明一種提取人臉紋理的裝置的較佳實施例的功能模塊示意 圖。
[0085] 在本實施例中，所述裝置包括：讀取模塊10、濾波模塊20、分組模塊30及提取模塊 40 〇
[0086] 讀取模塊10,用于讀取人臉圖像；
[0087] 濾波模塊20,用于對所述人臉圖像進行2D-Gabor濾波處理，生成多個初始紋理圖 像；
[0088] 讀取待提取人臉紋理特征的人臉圖像，所述人臉圖像可以是進行人臉識別過程 中待識別的人臉圖像，也可以是用于比對的樣本圖像，或者也可以是其它待提取人臉紋理 的人臉圖像。所述初始紋理圖像，可以是一個或者一個以上的初始紋理圖像，優選的，以圖 像矩陣的形式進行表示。所述2D-Gabor濾波處理可以是一維2D-Gabor濾波處理，也可以是 二維2D-Gabor濾波處理，所述二維濾波處理包括在N(N為正整數）個方向M(M為正整數） 個尺度進行2D-Gabor濾波處理，生成N*M個初始紋理圖像。在本實施例中，優選為對所述 人臉圖像進行二維2D-Gabor濾波處理。應當理解的是，對所述人臉進行2D-Gabor濾波處 理，并不限于對所述人臉圖像整體進行2D-Gabor濾波處理，也可以是對所述人臉的局部圖 像進行2D-Gabor濾波處理，或者對所述人臉圖像整體及所述人臉圖像的局部圖像分別進 行2D-Gabor濾波處理。例如：對所述人臉圖像整體在N個方向Μ個尺度進行二維2D-Gabor 濾波處理，生成N*M個初始紋理圖像；或者對所述人臉圖像的局部圖像，如包含眼睛眉毛的 局部圖像及包含嘴巴的局部圖像，分別在N個方向Μ個尺度進行二維2D-Gabor濾波處理， 生成2*N*M個初始紋理圖像；或者對所述人臉圖像整體、包含眼睛眉毛的局部圖像及包含 嘴巴的局部圖像，分別進行N個方向Μ個尺度的二維2D-Gabor濾波處理，生成3*N*M個初 始紋理圖像。
[0089] 分組模塊30,用于對所述多個初始紋理圖像進行平均分組；
[0090] 優選的，參照圖7,所述分組模30包括排序單元31及劃分單元32 ;所述排序單元 31，用于將相同方向的初始紋理圖像按尺度進行排序；所述劃分單元32,用于將相同方向 相鄰尺度的兩個初始紋理圖像劃分為一組，依次進行平均分組。將相同方向的初始紋理圖 像按尺度進行排序；將相同方向相鄰尺度的兩個初始紋理圖像劃分為一組，依次進行平均 分組。可以將相同方向相鄰尺度的兩個初始紋理圖像劃分為一組，也可以按照將兩個以上 的初始紋理圖像劃分為一組的方式進行平均分組。例如：對所述人臉圖像整體在N(N為正 整數）個方向M(M為正整數）個尺度進行二維2D-Gabor濾波處理，生成N*M個初始紋理 圖像，將相同方向的初始紋理圖像按尺度進行排序，將相同方向相鄰尺度的兩個初始紋理 圖像劃分為一組，依次進行平均分組，將各方向的第一個初始紋理圖像和第二個初始紋理 圖像分為一組，將各方向的第三個初始紋理圖像和第四個初始紋理圖像分為一組，以此類 推得到N*(M/2)個初始紋理圖像組；或者，對所述人臉圖像的局部圖像，如包含眼睛眉毛的 局部圖像及包含嘴巴的局部圖像，分別在N個方向Μ個尺度進行二維2D-Gabor濾波處理， 生成2*N*M個初始紋理圖像，將眼睛眉毛的初始紋理圖像的相同方向相鄰尺度的兩個初始 紋理圖像劃分為一組，依次進行平均分組，得到N* (M/2)個眼睛眉毛初始紋理圖像組，將嘴 巴的初始紋理圖像的相同方向相鄰尺度的兩個初始紋理圖像劃分為一組，依次進行平均分 組，得到N*(M/2)個嘴巴初始紋理圖像組；或者，對所述人臉圖像整體、包含眼睛眉毛的局 部圖像及包含嘴巴的局部圖像，分別進行N個方向Μ個尺度的二維2D-Gabor濾波處理，生 成N*M個人臉整體的初始紋理圖像、N*M個眼睛眉毛的初始紋理圖像及N*M個嘴巴的初始 紋理圖像，將人臉整體的初始紋理圖像的相同方向相鄰尺度的兩個初始紋理圖像劃分為一 組，依次進行平均分組，得到N*(M/2)個人臉整體的初始紋理圖像組，將眼睛眉毛的初始 紋理圖像的相同方向相鄰尺度的兩個初始紋理圖像劃分為一組，依次進行平均分組，得到 N*(M/2)個眼睛眉毛初始紋理圖像組，將嘴巴的初始紋理圖像的相同方向相鄰尺度的兩個 初始紋理圖像劃分為一組，依次進行平均分組，得到N* (M/2)個嘴巴初始紋理圖像組。
[0091] 提取模塊40,用于分別從每組初始紋理圖像中提取特征圖像，并輸出所述特征圖 像。
[0092] 分別從每組的初始紋理圖像中提取出最能代表人臉紋理特征的特征圖像，并將所 述特征圖像輸出。例如：對所述人臉圖像整體、包含眼睛眉毛的局部圖像及包含嘴巴的局部 圖像，分別進行N(N為正整數）個方向M(M為正整數）個尺度的二維2D-Gabor濾波處理， 生成N*M個人臉整體的初始紋理圖像、N*M個眼睛眉毛的初始紋理圖像及N*M個嘴巴的初 始紋理圖像，對所述初始紋理圖像按照將相同方向相鄰尺度的兩個初始紋理圖像劃分為一 組的方式進行平均分組，分別得到N*(M/2)個人臉整體的初始紋理圖像組、（N*M)/2個眼睛 眉毛初始紋理圖像組及N*(M/2)個嘴巴初始紋理圖像組，分別從每組的初始紋理圖像中提 取出最能代表人臉紋理特征的特征圖像，得到N*(M/2)個人臉整體的特征圖像，N*(M/2)個 眼睛眉毛的特征圖像及N*(M/2)個嘴巴的特征圖像。參照圖8,圖8為所述提取模塊40的 較佳實施例的功能模塊示意圖，所述提取模塊40包括分解單元41、確定單元42和組合單元 43 ；
[0093] 分解單元41，用于將各組內的每一初始紋理圖像平均分解為圖像塊；
[0094] 可以將各組內的初始紋理圖像在高度方向上平均分為i (i為正整數）份，寬度方 向上平均分為j (j為正整數）份，每個初始紋理圖像分解得到i*j個圖像塊，所述高度方向 為所述初始紋理圖像的垂直方向，所述寬度方向為所述初始紋理圖像的水平方向，優選的， 將每個初始紋理圖像分解得到的i*j個圖像塊以i行j列的圖像矩陣表示。
[0095] 確定單元42,用于確定每組內相同位置像素值最大的圖像塊，作為特征圖像塊；
[0096] 確定每個圖像塊的像素值，優選的，確定每個圖像塊的像素值的過程可以是，逐個 查詢所述圖像塊每個像素點的像素值，取像素值最大的像素點的像素值作為所述圖像塊的 像素值。將每組中，相同位置的圖像塊的像素值進行比對，取像素值最大的圖像塊作為特征 圖像塊。例如：在一個初始紋理圖像組中有第一初始紋理圖像和第二初始紋理圖像，將這兩 個初始紋理圖像平均分解為i*jα為正整數，j為正整數）個圖像塊，即，將初始紋理圖像 的高平均分為i等份，將初始紋理圖像的寬平均分為j等份。確定每個圖像塊的像素值，逐 個查詢所述圖像塊每個像素點的像素值，取像素值最大的點的像素值作為所述圖像塊的像 素值。將第一初始紋理圖像的第i行第j列圖像塊的像素值與第二初始紋理圖像的第i行 第j列圖像塊的像素值進行對比，取像素值最大的圖像塊作為特征圖像塊。每組得到i*j 個特征圖像塊。
[0097] 組合單元43,用于將每組的特征圖像塊組合成特征圖像，并輸出所述特征圖像。
[0098] 將每組中的特征圖像塊按預設順序排列組合成特征圖像，并輸出所述特征圖像。 例如：從初始紋理圖像的第i α為正整數）行第j (j為正整數）列提取出來的特征圖像塊， 則排在特征圖像的第i行第j列，以此類推進行特征圖像的組合