基於小樣本訓練庫下的人臉性別識別方法
2023-10-18 00:13:39 2
基於小樣本訓練庫下的人臉性別識別方法
【專利摘要】本發明公開了一種基於小樣本訓練庫下的人臉性別識別方法，在局部二值特徵級聯的基礎上，提出了級聯紋理特徵(MixedCascadeTextureFeature,MCTF)，將人臉圖像進行多尺度的變換、分塊級聯，使特徵能更有效地攜帶人臉整體和局部的紋理信息，然後使用簡單且計算開銷較小的一系列線性分析算法，將MCTF特徵映射到相應特徵紋理空間上進行分類。該方法通過改變訓練資料庫的大小和比例，運用合理的特徵向量與線性分析算法組合可以達到近似於已知最優的SVM-RBF分類器的效果；同時需要的訓練庫數量更少，需要的計算，存儲開銷更低，可以滿足日益普及的移動及嵌入式平臺對存儲空間和計算複雜度的要求。
【專利說明】基於小樣本訓練庫下的人臉性別識別方法
【技術領域】
[0001]本發明涉及人臉性別識別領域，尤其涉及一種基於小樣本訓練庫下的人臉性別識別方法。
【背景技術】
[0002]針對人臉性別識別領域，現成大部分方法基本都是基於大樣本量的、不考慮計算複雜度的訓練/識別系統，並且用相對複雜的、需要較高計算量的分類器來最終做識別工作。如何在移動嵌入式平臺實現在個人計算機上實現的功能，減少識別算法的計算成本成為當今亟需解決的問題。
【發明內容】
[0003]本發明的目的在於針對現有人臉性別識別技術的不足，提供一種基於小樣本訓練庫下的人臉性別識別方法。
[0004]本發明的目的是通過以下技術方案來實現的:一種基於小樣本訓練庫下的人臉性別識別方法，該方法包括以下步驟:
(O將獲取的人臉圖像進行裁剪，去除不必要背景；使用OpenCV的人臉識別器進行裁剪預處理，進行人臉區域的裁剪；將裁剪後的人臉圖像進行灰度變換得到人臉圖像的灰度圖；
(2)將步驟I得到的人臉圖像的灰度圖幾何歸一化為mXn大小的圖像，然後整幅圖像進行統一 LBP運算提取直方圖；其中，m，η均為自然數；
(3)將步驟I得到的人臉圖像的灰度圖幾何歸一化為2mX2n大小的圖像，然後將圖像分為2X2小塊，確保每一小塊圖像的大小都是ηΧη，再對其中每小塊像素塊重複步驟2的運算，得出每小塊圖像的直方圖，按順序將直方圖級聯；
(4)將步驟I得到的人臉圖像的灰度圖幾何歸一化為3mX3n大小的圖像，再將圖像平均分割為3 X 3小塊，然後對每小塊像素塊重複步驟2的運算，得出每小塊圖像的直方圖，將9小塊圖像按照順時針的順序級聯，最後一塊圖像為中心圖塊，得到59X9維特徵值；
(5)將步驟2和步驟3提取的5個59維的直方圖按順序級聯到步驟4提取的9個59維的直方圖前面，得到826維混合級聯紋理特徵，作為人臉的最終特徵向量；
(6)在訓練的過程中，將男女圖像經歷步驟I?5，分別得出男女的特徵向量，然後運用PCA降維，使其維度取到50-100 ；
(7)分別將降維後的男女的特徵向量進行LDA運算，得出最佳分類面；
(8)任意輸入一幅測試圖像，將測試圖像按照步驟I?5進行運算之後得到人臉的特徵向量，運用PCA降維，得出測試圖像的特徵向量；PCA維度與步驟6中所選取的維度相同，將此維度投影到最佳分類面；
(9)用最近距離法分類，判斷男女。
[0005]進一步地，步驟2，3，4中統一 LBP運算提取直方圖，具體為，運用改良的GLBP算子提取直方圖。
[0006]本發明的有益效果是:本發明基於混合級聯紋理特徵的線性數據處理辦法，減少系統儲存消耗，應用線性判別分析及支持向量機最近鄰法進行分類，在保證識別率的同時有效降低運算量；同時需要的訓練庫數量更少，需要的計算，存儲開銷更低，可以滿足日益普及的移動及嵌入式平臺對存儲空間和計算複雜度的要求。
【專利附圖】
【附圖說明】
[0007]圖1是特徵提取的級聯示意圖；
圖2是人臉性別識別的流程圖。
【具體實施方式】
[0008]下面結合附圖對本發明作進一步詳細說明。
[0009]如圖1、2所示，本發明一種基於小樣本訓練庫下的人臉性別識別方法的各個步驟中將人臉圖像重新歸一化為與原來像素塊相同的大小及其倍數的解析度，具體包括以下步驟:
(I)將獲取的人臉圖像進行裁剪，去除不必要背景(如拍攝環境，衣服領口，帽子等)，使用0penCV2.0.0的人臉識別器進行裁剪預處理，進行人臉區域的裁剪。將裁剪後的人臉圖像進行灰度變換得到人臉圖像的灰度圖。
[0010](2)為確保提取特徵的精確度，將步驟I得到的人臉圖像的灰度圖進行幾何歸一化為27X27大小的圖像，然後整幅圖像進行統一 LBP運算提取直方圖。
[0011](3)為分析人臉的全局特徵，將步驟I得到的人臉圖像的灰度圖歸一化為54X54大小的圖像，然後將圖像分為2X2小塊，這樣確保每一小塊圖像的大小都是27X27，然後對其中每小塊像素塊重複步驟2的運算，得出每小塊圖像的直方圖，然後按順序將直方圖方級聯，得到人臉圖像的59X4維特徵值。
[0012](4)為更加側重人臉內部紋理特徵，，將步驟I得到的人臉圖像的灰度圖歸一化為81X81大小的圖像，再將圖像平均分割為3X3小塊，然後繼續對每小塊像素塊重複步驟2，得出每小塊圖像的直方圖，將9小塊圖像按照順時針的順序級聯，最後一塊圖像為中心圖塊，得到59X9維特徵值。
[0013](5)將步驟2和步驟3提取的5個59維的直方圖按順序級聯到步驟4提取的9個59維的直方圖前面，得到826維混合級聯紋理特徵，作為人臉的最終特徵向量。
[0014](6)在訓練的過程中，男女總共500張照片，各250張圖片，經歷步驟I?5，分別得出男女的特徵向量，然後運用PCA降維並將其維度取到50。
[0015](7)特徵紋理空間投影，分別將降維後的男女的特徵向量進行LDA運算，得出最佳分類面。
[0016](8)測試階段:任意輸入一幅測試圖像，將測試圖像按照步驟I?5進行運算之後取得了人臉的特徵向量，同樣運用PCA降維，得出測試圖像的特徵向量。PCA維度依舊取50，將此維度投影到最佳分類面。
[0017](9)用最簡單的最近距離法分類，判斷男女。
【權利要求】
1.基於小樣本訓練庫下的人臉性別識別方法，其特徵在於，包括以下步驟: (1)將獲取的人臉圖像進行裁剪，去除不必要背景；使用OpenCV的人臉識別器進行裁剪預處理，進行人臉區域的裁剪；將裁剪後的人臉圖像進行灰度變換得到人臉圖像的灰度圖； (2)將步驟I得到的人臉圖像的灰度圖幾何歸一化為mXn大小的圖像，然後整幅圖像進行統一 LBP運算提取直方圖；其中，m，η均為自然數； (3)將步驟I得到的人臉圖像的灰度圖幾何歸一化為2mX2n大小的圖像，然後將圖像分為2X2小塊，確保每一小塊圖像的大小都是ηΧη，再對其中每小塊像素塊重複步驟2的運算，得出每小塊圖像的直方圖，按順序將直方圖級聯； (4)將步驟I得到的人臉圖像的灰度圖幾何歸一化為3mX3η大小的圖像，再將圖像平均分割為3 X 3小塊，然後對每小塊像素塊重複步驟2的運算，得出每小塊圖像的直方圖，將9小塊圖像按照順時針的順序級聯，最後一塊圖像為中心圖塊，得到59X9維特徵值； (5)將步驟2和步驟3提取的5個59維的直方圖按順序級聯到步驟4提取的9個59維的直方圖前面，得到826維混合級聯紋理特徵，作為人臉的最終特徵向量； (6)在訓練的過程中，將男女圖像經歷步驟I?5，分別得出男女的特徵向量，然後運用PCA降維，使其維度取到50-100 ； (7)分別將降維後的男女的特徵向量進行LDA運算，得出最佳分類面； (8)任意輸入一幅測試圖像，將測試圖像按照步驟I?5進行運算之後得到人臉的特徵向量，運用PCA降維，得出測試圖像的特徵向量；PCA維度與步驟6中所選取的維度相同，將此維度投影到最佳分類面； (9)用最近距離法分類，判斷男女。
2.根據權利要求1所述的基於小樣本訓練庫下的人臉性別識別方法，其特徵在於，步驟2，3，4中統一 LBP運算提取直方圖，具體為，運用改良的GLBP算子提取直方圖。
【文檔編號】G06K9/00GK104050457SQ201410298020
【公開日】2014年9月17日 申請日期:2014年6月26日 優先權日:2014年6月26日
【發明者】劉雲海, 張婧, 王璟堯 申請人:浙江大學