[发明专利]基于嵌入式隐马尔可夫模型和选择性集成的人脸画像自动生成方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及基于照片的画像生成方法，可用于模式识别领域中根据画像在照片数据库中进行人脸检索和识别。

背景技术

人脸识别是比较容易为人们所接受的非侵犯性识别方法，从而成为备受计算机视觉与模式识别等领域关注的热点问题，然而在刑侦破案或反恐追逃等应用领域，犯罪嫌疑人的照片往往无法直接获取，通常情况下会通过目击者和画家的合作得到其模拟画像，然后在已有的照片数据库中进行基于内容的检索，缩小嫌疑人的排查范围，进而实现犯罪嫌疑人身份的确认和识别，这种应用需求催生了人脸识别的一个新分支——画像-照片识别。基于画像的人工人脸识别方法是一项极为耗时和枯燥的工作，而且识别结果受主观因素的影响较大，尤其是在大型数据库的情况下，容易因视觉疲劳和心情波动而造成漏警和误判。因此，基于画像的高性能人脸自动识别技术应运而生。现有的人脸识别方法大多是基于照片的，由于画像与照片的产生机理和信息表达方式不同，两者之间存在较大的几何变形及纹理和灰度差异，若采用画像与照片的直接匹配进行识别势必产生很大误差。因此，如何将两者变换到同种信息表达模式下，减小二者的差异成为画像-照片识别的重点和难点。现有的方法有两种，一种是从包含信息量较少的画像中恢复出信息丰富的照片，但这种方法从信息论的角度来看，由于缺乏足够先验知识不易实现；另一种方法是通过机器学习实现照片到画像的变换，这种方法由于较为符合人类感知和认知的过程，因此，画像的自动生成成为画像-照片识别技术的关键。

目前画像生成的研究成果主要集中为以下两类：

第一类是卡通漫画及线条画等简单画像的生成技术。澳大利亚西澳大学心理学教授的Rhodes通过心理学实验发现，即使是几根线条组成的线条画仍然可以保留人脸的视觉特征。在计算机图形学和计算机视觉领域，一些研究者也在尝试如何利用人机交互方式来生成人脸的线条画及漫画。美国认知科学家Brennan提出了一种交互式的漫画生成系统，主要使用对称算子、矩形滤波器和特征轮廓来检测和定位人脸的特征点；日本AichiPrefectural大学的Murakami等人实现了一个基于模板的人脸漫画生成系统PICASSO和可以通过网络访问的Web-PICASSO系统；日本东京大学的Li等人以及西安交通大学的郑南宁等人分别提出了自动的人脸线条画生成系统，主要采用基于非参数化采样和线条画模板的样本学习方法；英国剑桥大学的Librande提出了一个基于样本的卡通绘画系统Xspace，它主要使用基于径向基函数的学习模块来扩展原有的绘画系统。

第二类是人脸素描画像等复杂画像的生成技术。虽然提出有关这些卡通漫画及线条画等简单画像的生成技术比较多，但是从实际应用的角度看，仍然不及素描画的应用广泛，素描画由于真实，因此是刑侦破案领域画家常用的描绘犯罪嫌疑人的绘画方式。目前，人脸素描画像的生成方法可分为两种：一种是不基于样本的，如浙江大学的王进等人提出的模拟画笔的画像生成方法；另一种是基于样本的方法，主要有香港中文大学的汤晓鸥等在画像生成及识别领域取得了一系列的结果。其主要思想是先将照片转变成伪画像，然后实现画像-伪画像间的匹配识别。

伪画像的生成方法有以下两种：

1.基于特征变换的方法。首先将照片和画像分成两组，采用主成分分析算法分别进行训练构造各自的特征空间，求出待变换的照片在照片特征空间中的投影系数，然后利用所该投影系数在相应的画像特征空间中重构出伪画像。不过该方法假定照片与画像之间的映射是一种线性关系，而实际上二者之间的关系却要复杂的多。

2.基于非线性的方法。该方法将训练集中的画像-照片对进行均匀分块处理，并将相应的画像块和照片块建立一一对应关系。对于给定的一幅新照片，首先进行同样的分块处理，对于每一个小块在照片块样本库中找到与其最相似的N个小块，然后通过对这N个照片块对应的画像块进行线性加权来产生伪画像块，最后将伪画像块组合成完整的伪画像。该方法通过局部的线性组合来逼近全局的非线性关系，但是仍然不是真正意义上的非线性方法。见文献“Liu Q S，Tang X O.Anonlinear approach for face sketch synthesis andrecognition.In：Proceedings of International Conference on CVPR(CVPR2005)，San Diego，CA，USA，2005，1005～1010.”。