[发明专利]一种用于人脸分析系统的人脸特征提取方法

说明书

技术领域

本发明涉及一种用于人脸分析系统的人脸特征提取方法。

背景技术

随着社会经济的高速发展，城市规模不断扩大，人口快速增加等原因，城市治安管理面临的压力越来越大，传统的以人力防范和事后处理为主的安防管理模式已经开始制约城市治安管理水平的进一步提高。例如，宾馆、饭店和娱乐场所是社会人员活动的重要地区，经常会有可疑人员出入，因此需要进行可疑人员实时监测和预警。而传统的监控系统基本只能用于事后证据呈现，不能够实时监测、对可疑人员进行预警。人脸检测系统主要可以分为人脸监测和人脸分析两部分，而在人脸分析过程中要经过人脸特征的提取和人脸特征的分类两个步骤，目前主流的特征提取方法有Fisher方法和局部特征提取等方法,但现有算法多数存在鲁棒性差，难以实际应用的特点。

在已有的特征提取方法中，Fisher方法基于整个脸进行特征提取，然后进行主元分析和线性判别分析降维，将特征描述符的维度控制在可接受的范围内。但是如果提取的人脸照片有部分被遮挡时，该方法仍将被遮挡部分计在图片特征中，对正确人脸特征的提取造成干扰，从而影响到最终的分析结果。局部特征提取方法只选取重要部位，如眼睛、鼻子和嘴等部分的特征进行提取，当其他非重要区域被遮挡时仍然可以正确的提取人脸特征。但是，由于每个部分的人脸特征是单独提取和进行描述的，所以特征描述符的维数往往很大，带来了巨大的计算量。

发明内容

本发明的目的是提供一种用于人脸分析系统的人脸特征提取方法，以克服目前现有技术存在的上述不足。

本发明的目的是通过以下技术方案来实现：

一种用于人脸分析系统的人脸特征提取方法，包括以下步骤：

1）读取视频数据流，并对读取到的视频数据流进行预处理；

2）检测人脸，对经过步骤1）处理后的视频数据流进行人脸检测：如果检测到人脸，精确定位人脸五官区域，将人脸图像单独截取出来；如果未检测到人脸，回到步骤1）；

3）人脸图像处理，对步骤2）中截取的人脸图像进行归一化处理；

4）生成Gabor脸，归一化处理后的人脸图像送入人脸分析服务器，人脸图像经过Gabor变换过滤得到Gabor脸；

5）生成一阶差分Gabor脸和二阶差分Gabor脸，将Gabor脸进行差分分析，得到一阶差分Gabor脸和二阶差分Gabor脸；

6）将Gabor脸、一阶差分Gabor脸和二阶差分Gabor脸分别进行邻域二值化并加权相加，得到特征脸；

7）获取原始特征描述向量，对特征脸的五官区域进行分析，对每个区域单独进行直方图分析，得到局部特征描述向量，将每个局部特征描述向量连接起来，得到原始特征描述向量；

8）获取特征描述向量，对原始特征描述向量进行主元分析、线性判别分析、降维得到特征描述向量；

9）将特征描述向量在人脸特征数据库中进行比对和分类；以及

10）显示分类结果。

进一步的，所述步骤1）中，视频数据流的预处理包括降噪处理、视频格式归一化处理。

所述步骤3）中，人脸图像处理包括抗光照处理、格式、大小归一化处理。

所述步骤6）中，邻域二值化的方法公式为：

所述步骤7）中，获取特征描述向量步骤包括：

a）在特征脸上使用不同大小的矩形框提取人脸的五官区域，并配以较大权值，其他脸部区域配以较小权值；及

b）对每一个区域进行不同尺度和方向的Gabor变换，接着做该区域的直方图统计，并将每一个区域的直方图统计结果拼接起来，得到原始的特征描述符。

本发明的有益效果为：本发明基于Gabor变换、主元分析、线性判别分析和局部特征描述相结合的方法，能够在一定程度上过滤掉光照、遮挡等情况的影响，在降维的同时，原有的数据在加权融合后不损失有效的信息，依旧能够保持极高的比对正确率；获取人脸图像后，进行原始特征提取时，巧妙的选取用于比对的重要区域，在保证鲁棒性的同时也减小了数据处理量。

附图说明

下面根据附图对本发明作进一步详细说明。

图1是本发明实施例所述的用于人脸分析系统的人脸特征提取方法的流程图；

图2是本发明实施例所述的用于人脸分析系统的人脸特征提取方法的邻域二值化方法示意图。

具体实施方式

如图1-2所示，本发明实施例所述的一种用于人脸分析系统的人脸特征提取方法，包括以下步骤：