[发明专利]融合人脸和指纹视觉信息的协同性别识别方法

说明书

技术领域

本发明涉及性别识别方法，具体涉及一种融合人脸和指纹视觉信息的协同性别识别方法。

背景技术

近年来，性别识别逐渐吸引了计算机视觉和模式识别领域中越来越多的研究者的关注。生理学家和疑犯鉴别专家主要通过人类的生理特征来进行性别识别，其中，人脸的视觉信息是他们最常用的生理特征。目前，现有的许多方法也主要利用人脸信息来进行性别识别，通常，这些方法都是基于人脸的全局特征（如原始像素）和判别分类算法（如SVM，Boosting）。指纹的视觉信息也被广泛地应用于性别识别。与人脸相比，由于指纹采集设备的特殊的传感器结构，指纹对光照和姿态变化具有更强的鲁棒性，因此，使用指纹进行性别识别相对简单且鲁棒性好。然而，在以前的使用指纹进行性别识别的方法中，研究者们都利用指纹的某种具体特征来进行性别识别，如脊的密度、脊线数、脊和谷的宽度、手指大小，以及白线数等。与人脸特征相比，指纹的这些特征通常比较难提取并且缺乏判别能力。

除人脸和指纹外，其他生物特征的视觉信息也被广泛地应用于性别识别，如手的形状、脚的形状、牙齿、步态以及体型等。值得注意的是，融合不同的生物特征对提高性别识别的性能是非常有益的，这一事实已经得到证实。Shan等人在特征层（Feature Level）通过典型相关分析（Canonical Correlation Analysis）融合人脸和步态来进行性别识别，其识别性能得到了显著提高。Zhang等人通过融合人脸和多视角步态（Multi-view Gait）来进行性别识别。Shan等人和Zhang等人都使用SVM进行分类。在生物特征的视觉信息提取方面，Jain和Patr通过融合提取的人脸和指纹信息来进行身份识别，并且，他们使用的人脸—指纹对不是来自同一个人的，而是在如下假设下随便组合的，即假设同一个人的人脸图像和指纹在统计上是相互独立的。本发明应用了一个包含来自一个人的人脸和相关指纹的大型数据库，该数据库是国际上迄今为止第一个包含同一个人的指纹和人脸图像的数据库。

发明内容

本发明的目的在于对越来越被关注的性别识别问题，提出一种新的融合人脸和指纹信息的性别识别方法。该方法能获得有鲁棒性和很强识别能力的能够用于性别识别的特征表示。

为实现上述目的，本发明设计了一种新的用于创建视觉词来加强图像表示的识别能力的监督方法。使用该方法得到的视觉词消除了图像特征表达中冗余的特征维度，加强了对性别分类有帮助的维度，从而极大的加强了最终得到的图像特征表达的分类能力。

进一步地，这种图像特征表示可以自然的潜入到一个生成框架Latent Dirichlet Allocation(LDA)中，用来进行性别识别。目标的性别通过不同的由一组视觉词组成的潜在研究对象的结合决定。本方法对于男性和女性的类别都进行了生成模型的训练。一般的LDA方法单独作用于每个类别，而不利用类之间的联系。本方法利用类之间的联系来加强提出模型的识别能力，通过最大化类之间的组间距来实现。最后，在决策层，通过融合不同模态下得到的性别估计来获得最终的识别结果。

根据本发明的一个方面，提供一种融合人脸和指纹视觉信息的协同性别识别方法，其特征在于，包括如下步骤：

步骤A：基于词袋模型的图像特征表示步骤，其包括通过常规的图像网格获得图像块；通过在每个所述图像块中提取局特征获得特征集，使用训练样本中的男性和女性类别间决策超平面来得到标准向量，其中，所述标准向量的每个成分用来测量相关特征用于分类的贡献；重新按照所述贡献对特征的维数进行重新排列并得到新的特征；重新得到图像的词袋模型；

步骤B：使用识别性潜在狄利克雷分布（D-LDA）的性别识别针对人脸和指纹两种模态分别建立模型并进行模型推断得到模型参数，其中，所述模型推断步骤包括：对所述词袋模型最大的下界进行估计；将分类间距最大化；

步骤C：性别决策融合步骤，其包括针对给出的样本，分别得到两种模态的标签；建立融合两种模态的综合风险函数，最终的决策通过最小化综合决策风险来得到。

优选地，所述步骤A包括如下步骤：

步骤A1：对图像的每个所述图像块提取局部二值模式可以得到局部特征，并得到区分训练样本集中男性和女性的决策超平面的法向量；

步骤A2：根据所述法向量中的元素大小，重新排列图像全局特征的维度，从而得到新的图像特征，在此基础上，重新构造图像的视觉词集；

步骤A3：在得到所述视觉词集之后，通过规则的词袋模型（Bag-of –Words Model）得到最终的图像特征表达。