[发明专利]一种基于三维数据和面部图像的性别识别方法

说明书

本发明属于数据识别领域，提出一种基于三维数据和面部图像的性别识别方法，通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取多个形体特征点，再结合人体的面部图像提取的多个面部特征点，完成性别判断。本发明的方法在基于三维测体装置获得的人体三维点云数据和面部图像，直接进行性别识别的同时，还可以获取多个形体特征点如腰围、胸围、臀部等，为后续进行量体裁衣或高级定制提供数据基础，裁衣或定制的结果更加准确，为彻底解放裁缝师的双手提供保障。

技术领域

本发明涉及识别人的性别的方法，尤其涉及一种基于三维数据和面部图像的性别识别方法。

背景技术

三维人体测量技术能够异地采集人体尺寸、体型和照片，误差小、稳定性高，被视为是取代成本较高的量体师、建立人体体型数据库、实现个性化定制的基本步骤和关键。而性别是客户的一个重要特征，在许多情况下，希望能够识别客户的性别，以便进行有针对性的商业推广、设定量体裁衣的设计方向等。一般而言，可以通过人脸识别来容易地确定客户性别，通过普通的人脸特征提取算法，提取人脸特征后进行特征匹配，例如adaboost，检测结果不是很准确，耗时也比较多，并且需要指定提取的特征，算法比较复杂，而且仅仅利用了人体的面目图像的部分信息，当其中的部分信息被干扰时，势必会影响其识别率，另外，在整个人体进行三维扫描或整体捕捉时，人体面部数据只是数据的一部分，这时候单独将面部数据截取进行分析存在着：一是数据不够精准，如果要数据精准，则人体的整体数据量会变大，处理要求高，二是单独截取出来还会存在数据处理的其他问题，不利于进行后续的量体裁衣或者高级定制。

发明内容

本发明提出了一种基于三维数据和面部图像的性别识别方法，解决了现有性别识别主要依靠面部特征进行识别，不利于进行后续的量体裁衣或者高级定制等问题。

技术方案

一种基于三维数据和面部图像的性别识别方法，通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取多个形体特征点，再结合人体的面部图像提取的多个面部特征点，完成性别判断。

进一步，将所述二维轮廓数据进行归一化处理，再进行等间距选取多个样本点，利用第一神经网络对所有样本点进行分类识别，获取多个形体特征点，然后结合人体的面部图像提取的多个面部特征点，利用第二神经网络对多个所述形体特征点和面部特征点进行分类识别，完成性别判断。

进一步，所述形体特征点包括对应人体正面的二维轮廓的颈部、肩部、手部和腰部特征点，对应人体侧面的二维轮廓的颈部、胸部、腰部和臀部特征点，所述面部特征点包括外侧轮廓特征点和内侧部位特征点，所述内侧部位特征点包括眼睛、眉毛、鼻子和嘴巴部位的特征点。

进一步，获取多个形体特征点的方法包括以下步骤：

步骤一、记人体正面和侧面的二维轮廓数据分别表示为(x，y)和(z，y)，利用如下方程式，将所述二维轮廓数据中y坐标值转化到区间[0，1]上，对应的x坐标值和z坐标值也做相应的变化，转化后的人体正面和侧面的二维轮廓数据，分别标记为(x_n，y_n)和(z_n，y_n)；

步骤二、分别计算转化后的人体正面和侧面的二维轮廓数据所在曲线的长度L1和L2，以距离Δd＝L/N_l在所述曲线上进行等间隔取点，共提取2N_l个样本点；

步骤三、将2N_l个样本点制作成4N_l个坐标值构成的一维向量，以所述一维向量为输入，利用第一神经网络进行分类识别，获取多个形体特征点组成的一维向量输出。