[发明专利]一种特征的选择方法和装置

说明书

本发明提供一种特征的选择方法和装置，该方法包括：从获得到的图像中提取出M个特征；利用过滤式模型算法对所述M个特征进行筛选，得到N个特征；利用第一封装式模型算法对所述N个特征进行搜索，得到第一特征子集，并利用第二封装式模型算法对所述N个特征进行搜索，得到第二特征子集；对所述第一特征子集和所述第二特征子集进行重组，得到包括K个特征的第三特征子集，并从第一特征子集、第二特征子集和第三特征子集中选择所述图像的最优特征子集。通过本发明的技术方案，可以从大量特征中选择最有效特征，得到最优特征子集，降低计算复杂性，提高人脸识别的分类精度和分类性能，改善人脸的识别能力，提高人脸的识别率，提高信息安全。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种特征的选择方法和装置。

背景技术

随着信息技术的快速发展，信息安全变的越来越重要，传统的依靠证件号码进行身份识别的技术，已经不能满足人们的需求。人脸识别技术通过提取人脸的特征，然后根据这些特征进行身份识别和验证，具有安全性、方便性、不易被盗性，从而得到广泛的应用，特别是在单位考勤、出入口检查、刑事侦破、信息安全等领域，人脸识别技术具有广泛的应用前景。

在视频监控系统中，图像处理设备在获得获得到图像之后，可以从图像中提取出人脸的特征，并利用这些特征来进行身份识别和验证。

目前，图像处理设备从图像中提取出的人脸的特征很多，如果采用所有特征来进行身份识别和验证，并不能直接反映图像的本质特征，不能得到较好的效果。而且，在使用大量特征进行身份识别和验证时，大量特征的处理还会降低分类性能，并增加计算量。基于此，需要从大量特征中选择最有效的特征，得到最优的特征子集，从而提高人脸识别的分类精度。特征的选择过程是人脸识别技术的重要预处理过程，而目前并没有有效的特征选择方式。

发明内容

本发明提供一种特征的选择方法，所述方法包括以下步骤：

从获得到的图像中提取出M个特征；

利用过滤式模型算法对所述M个特征进行筛选，得到N个特征；

利用第一封装式模型算法对所述N个特征进行搜索，得到第一特征子集，并利用第二封装式模型算法对所述N个特征进行搜索，得到第二特征子集；

对所述第一特征子集和所述第二特征子集进行重组，得到包括K个特征的第三特征子集，并从所述第一特征子集、所述第二特征子集和所述第三特征子集中选择所述图像的最优特征子集；

其中，所述M大于所述N，且所述N大于所述K。

所述利用第一封装式模型算法对所述N个特征进行搜索，得到第一特征子集的过程，具体包括：

获得L个粒子，每个粒子是一个N维的特征向量，所述特征向量的每个数值表示N个特征中的一个特征，所述特征向量的每个数值被随机选择为第一数值或者第二数值，所述第一数值表示不选择N个特征中的对应特征，所述第二数值表示选择N个特征中的对应特征；针对每个粒子，执行以下步骤：

步骤A1、计算所述粒子的适应度函数，并判断所述粒子的迭代次数是否达到预设第一阈值；如果否，则执行步骤B1；如果是，则执行步骤C1；

步骤B1、对所述粒子的迭代次数加1，并更新所述粒子的速度以及所述粒子的位置，得到更新后的粒子，并利用更新后的粒子重新执行步骤A1；

步骤C1、从所述粒子对应的所有适应度函数中选择局部最优适应度函数，并确定所述局部最优适应度函数对应的粒子为局部最优粒子；

在对所述L个粒子进行步骤A1-步骤C1的处理后，从L个局部最优适应度函数中选择全局最优适应度函数，并确定所述全局最优适应度函数对应的局部最优粒子为全局最优粒子；从所述N个特征中选取所述全局最优粒子中的第二数值对应的特征，并将当前选取的特征确定为所述第一特征子集。