[发明专利]一种基于主成分分析的人脸画像老化方法

权利要求书

1.一种基于主成分分析的人脸画像老化方法，其特征在于包括如下步骤：

1)将原始老化照片数据集中的照片由彩色图像变成灰度图像，再将原始老化照片数据集进行样本归一化；

2)将样本归一后的老化照片数据集进行主成分分析，计算每张照片对应的特征值，得到老化照片数据集对应的照片参数集；

3)将步骤2)得到的照片参数集根据年龄段进行样本划分，得到不同年龄段对应的照片参数集，再对不同年龄段对应的照片参数集求解平均参数；

4)通过对步骤2)得到的照片参数集进行方差分析，筛选出与年龄相关的特征值，再研究不同年龄段对应的照片平均参数中与年龄相关的参数的变化规律；

5)给定待老化画像，先对其进行样本归一，再对归一后的待老化画像进行主成分分析，计算对应的特征值，然后将与年龄相关的特征根据步骤4)得到的变化规律进行修正，最后将修正后的特征值利用主成分重建策略得到对应的老化画像。

2.如权利要求1所述一种基于主成分分析的人脸画像老化方法，其特征在于在步骤1)中，所述样本归一化的具体方法为：

第一步，将所有照片平移、旋转、尺度变化，使得不同图像中相同的人脸部件大致在同一个位置；

第二步，将所有对齐后的图像裁剪成120×120的大小，使得图像只包含前额、眼睛、鼻子和嘴巴，从而排除不受控因素以及噪声；

第三步，对所有裁剪后的图像除以一个尺度值α，从而排除图像的全局光照变化因素：

g＝g_im/α

其中，α＝||g_im||₂是尺度值，g_im是裁剪后的图像，g是归一后的图像。

3.如权利要求1所述一种基于主成分分析的人脸画像老化方法，其特征在于在步骤2)中，所述特征值的具体方法如下：

第一步：对协方差矩阵GG^T进行特征值分解：

(GG^T)GV_p＝GV_pΛ_p

其中，V_p是照片特征向量矩阵，Λ_p是照片对角特征值矩阵；

第二步：从第一步中求解协方差矩阵GG^T的标准正交的特征向量矩阵E_p：

第三步：给定老化照片数据集G中的任何一张照片g_i，通过下式求解其对应的投影系数即特征值b_i，

通过对老化照片数据集G中的每张照片进行上述操作，得老化照片数据集对应的照片参数集B＝[b₁,...,b_i,...,b_M]。

4.如权利要求1所述一种基于主成分分析的人脸画像老化方法，其特征在于在步骤4)中，所述筛选出与年龄相关的特征值的具体方法如下：

第一步，计算第pc个主成分对应的特征值的F比率F_pc：

其中，N_T是年龄段个数，N_S是老化照片数据集中样本个数，是年龄段在t中所有n_t张照片的参数b_i,t(i),pc的平均值，是所有的平均值；因为b_i,t(i),pc的分布与高斯分布近似，所以F_pc服从自由度为N_T-1和N_S-N_T的F分布；

第二步，通过查询F临界值表，设置阈值θ＝2.02，将比率F_pc大于θ的主成分对应的特征值筛选出来作为与年龄相关的系数。

5.如权利要求1所述一种基于主成分分析的人脸画像老化方法，其特征在于所述研究不同年龄段对应的照片平均参数中与年龄相关的参数的变化规律的具体方法如下：

第一步，从不同年龄段对应平均参数中筛选出与年龄相关的系数；

第二步，利用筛选出的T个系数进行曲线拟合，将拟合的曲线作为年龄变化的规律；有多少个与年龄相关的系数就有多少条对应的拟合曲线。

6.如权利要求1所述一种基于主成分分析的人脸画像老化方法，其特征在于在步骤5)中，特征值修正与主成分重建的具体方法如下：

第一步，将不同年龄段与年龄相关的平均参数的不同来修正待老化画像对应的特征值：

b_o,t(o),pc＝b_y,t(y),pc+(b_p2,t(o),pc-b_p1,t(y),pc)

其中，b_y,t(y),pc是年龄为t(y)的待老化画像与年龄相关的特征值，b_o,t(o),pc是修正后的与年龄相关的特征值，对应于年龄为t(o)的老化画像与年龄相关的特征值，b_p1,t(y),pc是年龄为t(y)的照片与年龄相关的平均特征值，b_p2,t(o),pc是年龄为t(o)的照片与年龄相关的平均特征值；

第二步，对于待老化画像，使用下式对其进行重建I_y：

其中，v_pc是与年龄相关的特征向量，是训练集中所有照片的平均值，I_res是包含与年龄无关的特征值和噪声的残差图像；

第三步，将第二步中与年龄相关的特征值b_y,t(y),pc替换成修正后的特征值b_o,t(o),pc，再进行图像重建，即得到老化画像I_o：