[发明专利]一种人脸底层特征构建方法

说明书

一种人脸底层特征构建方法，属于模式识别与特征提取技术领域。其特征在于：包括以下步骤，1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；1.4、根据计算得出的权重值，计算新的人脸底层特征图像。本发明提供了一种新的人脸底层特征的构建方法，能够更准确的反应不同人脸的不同影响，新的底层特征较好的融合了多幅人脸图像的综合信息，节省存储空间，降低计算的复杂度，弱化单幅图像中出现的噪声干扰，为后期的深度特征提取和分类识别提供了一种计算简单，效果显著的新特征。

技术领域

一种新的人脸底层特征构建方法，属于模式识别与特征提取技术领域。

背景技术

提取好的特征是一直以来都是模式识别的本质问题。按照特征产生方式不同，图像特征分为两类：自然特征和人工特征。人工特征是通过运算构造出的特征，如直方图、频谱图、链码等；自然特征是图像本身固有的特征，通过人类视觉感知系统能够直接获得，如图像的边缘、纹理、形状、点、线等。在人脸识别中，通过对人脸进行测量，可以得到人脸的一种描述，即用测量空间中的一个点来表示一个人脸。

当前，代数特征抽取的研究往往都以外观特征直接作为底层特征，但这样做不能全面反映后期处理算法的性能，研究表明针对原始人脸图像构造新的底层特征，然后再对底层特征进行处理能获得更优秀的分类效果。当前，已有的两种常用的人脸低层特征是Gabor特征和LBP特征。

Gabor特征：在高斯窗口约束下的局部区域内，Gabor滤波函数将在与其振荡方向平行的边缘处产生强烈的响应，而边缘对三维物体的识别是至关重要的。例如，人的视觉系统中有专门的细胞对局部变化发生反应。Gabor滤波可以看作一个对方向和尺度敏感的有方向性的显微镜，用其检测响应图像中一些具有相应的方向频率信息的、局部的显著特征。Gabor滤波可以形成亮度图像的局部特征图谱，这些局部特征形成了原始输入图像的一种鲁棒(如光照变化)、信息量丰富的特征表示。(邓伟洪，高精度人脸识别算法研究[D]，北京邮电大学博士学位论文，2008年)。

LBP特征：其基本思想是先使用纹理描述子得到若干个局部区域的描述，然后把它们结合成一个整体的描述。一般的纹理图像的特征大多反映在局部纹理的有规律重复，全局的纹理直方图可以鲁棒描述。所有的人脸模式都具有相似的形状规律，使用划分区域的直方图方法可以保存纹理间的空间关系，对于人脸识别非常重要。(张文超，山世光，等，基于局部Gabor变化直方图序列的人脸描述与识别[J]，软件学报，2006，17(12)：2508-2517)。

人脸能量图也是针对多姿态人脸识别的一种人脸特征。该特征的构建过程借鉴了步态均值图像的构建过程，是一种较新的人脸特征构建方法。但是该图像的构建只是简单的采用的了图像的平均叠加，构建得到能量图中无法反应不同质量或不同重要程度的人脸的影响。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提供一种能够反应不同质量或不同重要程度的人脸，能够较好反应不同姿态人脸对新特征的影响的人脸底层特征构建方法。

本发明解决其技术问题所采用的技术方案是：该人脸底层特征构建方法，其特征在于：包括以下步骤，

1.1、读取人脸库中的参考人脸图像和具有姿态变化的多姿态人脸图像；

1.2、定位参考人脸和姿态人脸的双眼位置坐标，确定多姿态人脸左右摇摆角度；

1.3、根据得出的左右摇摆角度，计算发生摇摆变化人脸的权重值；

1.4、根据计算得出的权重值，计算新的人脸底层特征图像。