[发明专利]一种基于属性空间的人脸可视化特征表征方法

说明书

技术领域

本发明属于图像处理和模式识别技术领域，涉及到一种基于属性空间的人脸可视化特征表征方法。

背景技术

随着计算机和图像处理技术的迅猛发展，公共安全问题受到社会越来越多的关注，各种身份识别技术层出不穷。人脸识别以其直接、方便、友好、隐蔽等特点使其具有巨大的优势。人脸识别涉及模式识别，计算机视觉，智能人工交互，计算机图形学，认知科学等多个学科。作为生物特征识别关键技术，人脸识别在信息安全、安防、金融等领域具有很好的应用前景。

人们在人脸识别领域做了很多有益的尝试并且取得了丰硕的成果，但是利用计算机进行自动、高效的人脸识别仍然有许多困难，主要表现为：人脸复杂，变化多样、人脸图像会受到包括光照、表情、姿态、拍摄视角甚至相机规格等因素的影响。

发明内容

本发明的目的在于提出一种在人脸属性空间中研究人脸可视化特征的方法，以挖掘人脸可视化特征对人脸识别的作用。

本发明采用的技术方案是：

本发明提供了一种基于属性空间的人脸可视化特征表征方法，包括以下步骤：

步骤1：人脸可视化特征被看作人脸属性，获取可用于人脸识别的人脸全局和局部属性；一些基本的人脸属性，如性别、种族等是用于判别人脸的突出属性，但仅用这些属性还不能完全有效地进行人脸识别，仍然需要获得一些其他属性加以补充；

步骤2：对步骤1选取的人脸属性进行数据模拟，对数据预处理，提取“底层”特征；

数据模拟采用以下方式进行，评测小组中的一人先对每种属性的数据进行初选，之后将数据发给小组其他成员，只有小组成员全部同意，该数据才会被加入此类属性数据中；

对于全局属性，如性别、年龄等，属性数据先进行人脸检测，用返回的关键点坐标将人脸矫正到标准坐标系统中；设x＇和y＇是变换前像素的坐标值，x和y是变换后像素的坐标值；a，b，c，d，e，f是仿射变换系数；仿射变换计算公式如下：

x=ax′+by′+cy=dx′+ey′+f]]>

对于局部属性，如眼睛的宽度、眼眉的形状等，属性数据会被分割成8块人脸子区域，在子区域中，获取相应的可视化特征；

最后，预处理完成，对所有属性数据提取sift作为“底层”特征；

步骤3：利用支持向量机（SVM）对属性数据进行测评，获得属性和数据的最优化模拟；当选择的数据经过步骤2处理后，对每种属性给出带标签的正例（同一属性数据）和反例（不同属性数据），用于测试属性和数据合理性；

步骤4：混合高斯模型（GMM）获取输入人脸的可视化特征；利用混合高斯模型（GMM）模拟属性数据分布，形成属性空间；计算输入人脸数据在属性空间中各种属性数据分布的后验概率；后验概率相对应的人脸属性被看作是人脸的可视化特征，对于输入的人脸特征向量F(I)，根据已获人脸属性V_i=1...n，计算出相应的可视化特征为：