[发明专利]利用一和二次本征特征的照明和视角不变的面容描绘方法

说明书

技术领域

本发明涉及一种利用一次和二次本征特征的照明不变和视角不变的面容描绘方法，并且可以在基于内容的图像检索的面容描绘和识别，银行、保险系统、和视频电话的人类面容识别和确认，监视和跟踪，数字图书馆以及因特网多媒体数据库中使用。

背景技术

人类面容感知是计算机视觉技术中的一个活跃领域。面容识别将在多媒体数据库搜索和许多其它应用中发挥重要的作用。近些年来，在面容检测和识别问题上取得了很大的进展。提出了不同的专门技术。在这些技术中，神经网络(neural nets)、弹性模板匹配(elastic templatematching)、Karhunen-Loeve展开(Karhunen-Loeve expansion)、代数矩量(algebraic moments)、和等密度线(isodensity lines)是典型的方法。

在这些方法中，主分量分析(PCA)或Karhunen-Loeve展开是一个重要分支。本征面容法是从PCA导出的，并且便于计算，和在识别中具有一致的精度。现有工作显示，PCA法自然地分解不同类型的信息。具有大本征值的本征向量捕获对于面容子集共同的信息，而具有小本征值的本征向量捕获单个面容的特定信息。研究显示，只有被具有大的本征值的本征向量包含的信息才能够一般化到没有经过训练的新面容。

本征面容法的优点是具有大的本征值的本征向量传达有关面容的基本形状和结构的信息。这意味着可以把从具有大的本征值的本征向量提取的特征用于描绘人类面容的主要特点。但是，PCA也有不足。如果我们仅考虑从具有大的本征值的本征向量提取的特征，那么我们不能得到对应于单个面容的面容细节。如果可以用人类面容的共同特征描绘单个面容的细节，那么人类面容的描绘可以更准确。

此外，如果面容图像是在不同的照明条件下和不同的视角下获得的，那么很难得到适当的本征向量来代表人类面容。根据我们的经验，有规律的本征面容法在不同照明条件下识别面容并不优秀。但是，同一个人的许多面容图像是在不同的照明和视角条件下得到的。照明不变和视角不变的面容描绘仍然是一个重要的探索领

发明内容

本征面容法可以有效地提取共同的面容特点，例如，形状和结构。为了得到在截去具有小本征值的本征向量时丢失的面容细节，应该获得带有来自具有大本征值的本征向量的特征的重构面容。利用重构的面容图像，可以获得原始图像与重构图像之间的剩余图像。可以把这些剩余面容看成是仍然包含有单个面容的丰富详细信息的高通面容图像。为了描绘这些剩余面容，可以对这些剩余面容再次使用本征面容法。获得的具有大本征值的本征向量将揭示剩余面容的共同特点。利用这种方法，可以获得具有大本征值的二次本征向量，以提取对应的特征。根据我们的经验，一次和二次本征特征对于视角不变面容描绘都是有效的，而二次本征特征对于照明不变面容描绘也是有效的。因此，可以把一次和二次本征特征的组合用于视角不变面容描绘，和可以把二次本征特征用于照明不变面容描绘。另一种描绘面容的方式是专门使用一次本征特征。对于照明不变面容描绘，仅使用从具有从开头起第k个到第N个最大本征值(其中0＜k＜N)的本征面容提取的本征特征，以避免来自前k个具有最大本征值的本征面容的照明变化。视角不变面容特征可以是从对应于前N个最大本征值的本征面容提取的本征特征。

此外，当我们考虑面容描绘时，一个重要的特点是面容的对称性。大多数人的面容是对称的。因此，我们可以考虑使用左右镜像面容图像来代表同一个人。结果，原始图像和镜像图像的本征特征都可以代表同一个人。因此，我们可以使用两个图像的本征特征的线性组合来代表原始图像。为了区别原始图像和镜像图像，可以使用不同的加权数来组合本征特征。

本发明提供了可以用于图像检索(通过面容示例询问)、人识别和确认、监视和跟踪、和其它面容识别应用的照明不变和视角不变人类面容描绘的两种方法。为了描绘面容特点，根据我们的观察和推导，提出了二次本征特征的概念。首先可以从一组训练面容图像中导出一次本征面容和二次本征面容。然后，可以用面容的对称特点调节本征面容。利用这些调节的本征面容，可以获得调节的一次和二次本征特征。可以将这些本征特征的组合用于描绘面容。利用这种描绘，可以把欧几里德距离用于相似性测量。

附图说明

图1是产生照明不变面容描绘信息的示意图；

图2是产生视角不变面容描绘信息的示意图；

图3示出了镜像一个本征面容的过程；

图4示出了重构的面容，对应的原始面容，和二次剩余图像；和