[发明专利]一种融合手工设计描述子和深度特征的人脸姿态估计方法

说明书

本发明公开了一种融合手工设计描述子和深度特征的人脸姿态估计方法，常应用于针对安全防范和人脸识别应用的人脸图像质量评测。该方法使用SIFT描述子提取人脸图像的轮廓和局部信息，使用DeepID深度网络提取人脸图像的表观和结构信息，主要包括以下步骤：训练一个提取深度特征的深度神经网络模型，输入一张检测得到的人脸图像，利用该深度网络模型提取所述人脸图像深度特征；提取具有尺度空间不变特性的SIFT特征向量，将该人脸图像的SIFT特征以及深度特征串联，输入到训练好的SVM分类器进行分类，确定该待分类的人脸的姿态类别。本发明能够有效地进行人脸姿态估计，提高姿态估计的准确率。

技术领域

本发明涉及人脸识别和人脸图像质量评测研究领域，特别涉及一种融合手工设计描述子和深度特征的人脸姿态估计方法。

背景技术

在人脸识别应用和监控安全防范中，由于图像采集环境和条件的不确定性，导致采集到的人脸图像质量难以把控，图像质量差异很大，会影响到人脸识别的效果。尤其是人脸姿态的复杂多变，导致人脸关键点的检测面临困难，特别是人脸角度偏转严重的情况下，会影响到人脸识别的效果。因此有必要对图像中人脸的姿态进行预测和估计，以控制人脸姿态对识别性能的影响。如何准确、快速地将图像中的人脸姿态进行估计，仍是一个研究热点。

现有的人脸图像评测方法，主要分为两大类，一类是基于人脸比对的人脸图像质量评价方法，另一类是基于多种属性评价的方法。

基于人脸比对的人脸图像质量评价方法，比对计算和匹配两张人脸图像的相似度，人脸比对匹配得到的相似度就可以作为人脸图像质量的衡量标准，是属于有参考的图像评价方法，需要利用参考图像的相关信息，故对于输入数据有更严格的要求。

基于多种属性评价的方法，通过对图像的特征和属性的提取进行相关指标的评价，权衡综合成人脸图像质量的评价。在实际应用过程中，参考图像的获取成本更大，所以基于多种属性评价的方法更具现实意义。

在大多应用场景中，由于镜头角度和人的运动，通常会导致相机难以捕捉到正脸，人脸的水平转动角变化很大，一些侧脸的出现会影响人脸识别的效果，所以针对水平偏转角的估计有很大的意义。

如前面分析，人脸姿态作为人脸质量评价的重要属性，对人脸姿态的估计是多属性评价的人脸质量评测方法的研究重点。如何实现高效的、准确的做出人脸姿态估计方法是一个关键问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种融合手工设计描述子和深度特征的人脸姿态估计方法，该方法能够有效地进行人脸姿态估计，提高姿态估计的准确率。

本发明的目的通过以下的技术方案实现：一种融合手工设计描述子和深度特征的人脸姿态估计方法，包括步骤：

S1：对图像进行人脸检测；

S2：对检测到的人脸图像进行滤波以去除噪声；

S3：提取人脸图像的SIFT(Scale-invariant feature transform，尺度不变特征变换)特征，作为手工设计描述子；提取描述人脸的深度特征；

S4：对手工设计描述子和深度特征进行有效融合；

S5：对融合特征进行训练，生成人脸姿态分类器；

S6：利用人脸姿态分类器对图像或视频帧中的人脸姿态进行有效估计。

本发明采用的特征中包括了手工设计描述子和深度特征，其中手工设计描述子利用SIFT描述子提取人脸图像的轮廓和局部信息，能有效地提取人脸姿态的轮廓结构信息。而深度特征能利用卷积神经网络的强大的学习能力，提取出人脸有效的表观特征和结构信息。对多特征进行有效融合，平衡了手工设计描述子和深度特征的权重关系，充分利用了多种特征的有效信息，因此大大提高了准确性。