一種人臉圖像稀疏編碼方法和裝置製造方法
2023-05-27 04:23:56
一種人臉圖像稀疏編碼方法和裝置製造方法
【專利摘要】本發明提供了一種人臉圖像稀疏編碼方法和裝置，屬於圖像處理【技術領域】。該方法包括獲取訓練集的人臉圖像的碼本；在待編碼人臉圖像中分割出至少兩個局部區域；提取各個局部區域的圖像特徵；確定與待編碼局部區域相似的已編碼相似局部區域；獲取已編碼相似局部區域的稀疏編碼參數；根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。本發明的人臉圖像稀疏編碼方法和裝置的稀疏編碼速度較快。
【專利說明】一種人臉圖像稀疏編碼方法和裝置
【技術領域】[0001]本發明涉及圖像處理【技術領域】，尤其涉及一種人臉圖像稀疏編碼方法和裝置。
【背景技術】
[0002]近年來，稀疏編碼在人臉識別，特別是非限定條件下的人臉識別中得到廣泛使用，並進一步提高了人臉識別的準確率。但該方法需要對人臉的每個局部區域進行稀疏編碼，也就是對每個局部區域都需要求解以下非負約束的非線性優化問題。
[0003]min | | p_Dc | |2+ λ | | c | 1s.t.c > 0，(I)
[0004]其中p為當前人臉區域的特徵，D為稀疏編碼的碼本，c為該局部區域對應的稀疏編碼。因此，該方法計算量大，相比其他特徵提取方法，處理一張人臉圖片需要更長時間。
[0005]目前稀疏編碼問題可以通過內點法，最小角回歸(Least Angle Regression) [I],基向量尋蹤(basis pursuit), Split Bregman等方法求解。但是這些方法沒有充分利用人臉圖像的特點，導致現有的稀疏編碼方法的編碼速度較慢。
【發明內容】
[0006]有鑑於此，本發明要解決的技術問題是提供一種編碼速度較快的人臉圖像稀疏編碼方法和裝置。
[0007]本發明解決上述技術問題所採用的技術方案如下:
[0008]根據本發明的一個方面，提供的人臉圖像稀疏編碼方法包括:
[0009]獲取訓練集的人臉圖像的碼本；
[0010]在待編碼人臉圖像中分割出至少兩個局部區域；
[0011]提取各個局部區域的圖像特徵；
[0012]確定與待編碼局部區域相似的已編碼相似局部區域；
[0013]獲取已編碼相似局部區域的稀疏編碼參數；
[0014]根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0015]優選地，確定與待編碼局部區域相似的已編碼相似局部區域包括:
[0016]確定與待編碼局部區域鄰近的鄰近局部區域，判斷鄰近局部區域是否已編碼，如果已編碼，則確定鄰近局部區域為已編碼鄰近局部區域；
[0017]確定與待編碼局部區域相對於人臉圖像的縱向中軸線對稱的對稱局部區域，判斷對稱局部區域是否已編碼，如果已編碼，則確定對稱局部區域為已編碼對稱局部區域。
[0018]優選地，根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼包括:
[0019]將已編碼相似局部區域的稀疏編碼參數的均值作為迭代優化算法中對應參數的初值；
[0020]根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0021]優選地，人臉圖像稀疏編碼方法還包括:通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重。
[0022]優選地，根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼包括:
[0023]根據已編碼鄰近局部區域的稀疏編碼參數、已編碼對稱局部區域的稀疏編碼參數和組合權重確定迭代優化算法中對應參數的初值；
[0024]根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0025]根據本發明的另一個方面，提供的一種人臉圖像稀疏編碼裝置包括:
[0026]碼本獲取模塊，用於獲取訓練集的人臉圖像的碼本；
[0027]圖像分割模塊，用於在待編碼人臉圖像中分割出至少兩個局部區域；
[0028]特徵提取模塊，用於提取各個局部區域的圖像特徵；
[0029]相似區域確定模塊，用於確定與待編碼局部區域相似的已編碼相似局部區域；
[0030]參數獲取模塊，用於獲取已編碼相似局部區域的稀疏編碼參數；
[0031]稀疏編碼獲取模塊，用於根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0032]優選地，相似區域確定模塊包括:
[0033]鄰近區域確定模塊，用於確定與待編碼局部區域鄰近的鄰近局部區域，判斷鄰近局部區域是否已編碼，如果已編碼，則確定鄰近局部區域為已編碼鄰近局部區域；
[0034]對稱區域確定模塊，用於確定與待編碼局部區域相對於人臉圖像的縱向中軸線對稱的對稱局部區域，判斷對稱局部區域是否已編碼，如果已編碼，則確定對稱局部區域為已編碼對稱局部區域。
[0035]優選地,稀疏編碼獲取模塊包括:
[0036]第一初值確定模塊，用於將已編碼相似局部區域的稀疏編碼參數的均值作為迭代優化算法中對應參數的初值；
[0037]第一稀疏編碼計算模塊，用於根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0038]優選地，人臉圖像稀疏編碼裝置還包括:
[0039]權重獲取模塊，用於通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重。
[0040]優選地,稀疏編碼獲取模塊包括:
[0041]第二初值確定模塊，用於根據已編碼鄰近局部區域的稀疏編碼參數、已編碼對稱局部區域的稀疏編碼參數和組合權重確定迭代優化算法中對應參數的初值；
[0042]第二稀疏編碼計算模塊，用於根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0043]本發明的人臉圖像稀疏編碼方法和裝置，通過確定與待編碼局部區域相似的已編碼相似局部區域，根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼，因為已編碼相似局部區域的稀疏編碼參數與待編碼局部區域的稀疏編碼參數較為接近，因此根據已編碼相似局部區域的稀疏編碼參數，通過迭代優化算法來獲取待編碼局部區域的稀疏編碼時，會使得迭代優化算法更快收斂，減少了迭代優化算法的迭代次數，從而提高了對人臉圖像進行稀疏編碼的速度。另外，本發明實施例的人臉圖像稀疏編碼方法和裝置，通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重，根據已編碼鄰近局部區域的稀疏編碼參數、已編碼對稱局部區域的稀疏編碼參數和組合權重確定迭代優化算法中對應參數的初值，這樣可以使得已編碼鄰近局部區域的稀疏編碼參數和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合最優化，使得得到的迭代優化算法中對應參數的初值更接近待編碼局部區域的稀疏編碼參數，進一步減少了迭代次數，提高了對人臉圖像進行稀疏編碼的速度。
【專利附圖】
【附圖說明】
[0044]圖1為本發明實施例1提供的人臉圖像稀疏編碼方法流程圖；
[0045]圖2為本發明實施例1中獲取碼本的方法流程圖；
[0046]圖3為本發明實施例1中確定相似局部區域的方法流程圖；
[0047]圖4為本發明實施例1中獲取稀疏編碼的方法流程圖；
[0048]圖5為本發明實施例2提供的人臉圖像稀疏編碼方法流程圖；
[0049]圖6為本發明實施例3提供的人臉圖像稀疏編碼方法流程圖；
[0050]圖7為本發明實施例3中待編碼人臉圖像的分割示意圖；
[0051]圖8為本發明實施例3中確定待編碼局部區域的鄰近和對稱已編碼局部區域的示意圖；
[0052]圖9為本發明實施例4提供的人臉圖像稀疏編碼裝置模塊結構圖；
[0053]圖10為本發明實施例4中碼本獲取模塊的結構示意圖；
[0054]圖11為本發明實施例4中相似區域確定模塊的結構示意圖；
[0055]圖12為本發明實施例4中稀疏編碼獲取模塊的結構示意圖；
[0056]圖13為本發明實施例5提供的人臉圖像稀疏編碼裝置模塊結構圖。
【具體實施方式】
[0057]為了使本發明所要解決的技術問題、技術方案及有益效果更加清楚、明白，以下結合附圖和實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，並不用於限定本發明。
[0058]如圖1所示，本發明實施例1提供的人臉圖像稀疏編碼方法包括:
[0059]S11、獲取訓練集的人臉圖像的碼本；
[0060]如圖2所示，步驟Sll包括如下步驟:
[0061]S111、在訓練集的人臉圖像中分割出至少兩個局部區域；
[0062]具體地，在步驟Slll中，可以以預定的步長和預定的局部區域大小來分割人臉圖像，也可以在人臉圖像中隨機生成局部區域中心點位置，根據中心點位置和預定的局部區域大小來分割人臉圖像。
[0063]S112、提取各個局部區域的圖像特徵；[0064]具體地，在步驟S112中，圖像特徵為像素點值特徵、顏色直方圖特徵、方向梯度直方圖特徵、局部二值特徵、哈爾小波特徵和小波特徵中的一種特徵或多種特徵的組合。
[0065]S113、根據圖像特徵生成訓練集的人臉圖像的碼本。
[0066]具體地，在步驟S113中，可以根據圖像特徵並採用聚類的方法生成訓練集的人臉圖像的碼本，也可以根據圖像特徵並採用矢量量化的方法生成訓練集的人臉圖像的碼本。聚類方法包括K-Means方法、分層聚類(Hierarchical Clustering)、模糊Kneans聚類和模擬退火算法聚類。
[0067]S12、在待編碼人臉圖像中分割出至少兩個局部區域；
[0068]具體地，在步驟S12中，可以以預定的步長和預定的局部區域大小來分割待編碼人臉圖像，也可以在待編碼人臉圖像中隨機生成局部區域中心點位置，根據中心點位置和預定的局部區域大小來分割待編碼人臉圖像。
[0069]S13、提取各個局部區域的圖像特徵；
[0070]具體地，在步驟S13中，圖像特徵為像素點值特徵、顏色直方圖特徵、方向梯度直方圖特徵、局部二值特徵、哈爾小波特徵和小波特徵中的一種特徵或多種特徵的組合。
[0071]S14、確定與待編碼局部區域相似的已編碼相似局部區域；
[0072]相似局部區域包括鄰近局部區域和/或對稱局部區域，如圖3所示，步驟S14包括如下步驟:
[0073]S141、確定與待編碼局部區域鄰近的鄰近局部區域，判斷鄰近局部區域是否已編碼，如果已編碼，則確定鄰近局部區域為已編碼鄰近局部區域；
[0074]S142、確定與待編碼局部區域相對於人臉圖像的縱向中軸線對稱的對稱局部區域，判斷對稱局部區域是否已編碼，如果已編碼，則確定對稱局部區域為已編碼對稱局部區域。
[0075]鄰近局部區域就是離待編碼局部區域中心最近的局部區域，與待編碼局部區域相鄰的上、下、左、右局部區域為鄰近局部區域，即鄰近局部區域包括上鄰近局部區域、下鄰近局部區域、左鄰近局部區域和右鄰近局部區域。與待編碼局部區域相鄰的左上、左下、右上、右下局部區域也可以為鄰近局部區域，即鄰近局部區域還可以包括左上鄰近局部區域、左下鄰近局部區域、右上鄰近局部區域和右下鄰近局部區域。
[0076]S15、獲取已編碼相似局部區域的稀疏編碼參數；
[0077]具體地，稀疏編碼參數包括稀疏編碼和迭代優化算法中需要初始化的參數。
[0078]S16、根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0079]具體地,迭代優化算法包括內點法、最小角回歸(Least Angle Regression)法、基向量尋蹤(basis pursuit)法，Split Bregman 方法。
[0080]如圖4所示，步驟S16包括如下步驟:
[0081]S161、將已編碼相似局部區域的稀疏編碼參數的均值作為迭代優化算法中對應參數的初值；
[0082]具體地，將已編碼相似局部區域的稀疏編碼的均值作為迭代優化算法中待編碼局部區域的稀疏編碼初值，將已編碼相似局部區域的迭代優化算法中需要初始化的參數的均值作為待編碼局部區域的迭代優化算法中需要初始化的參數的初值。[0083]S162、根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0084]具體地，根據稀疏編碼初值、需要初始化的參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
[0085]如圖5所示，本發明實施例2提供的人臉圖像稀疏編碼方法包括:
[0086]S21、獲取訓練集的人臉圖像的碼本；
[0087]S22、在待編碼人臉圖像中分割出至少兩個局部區域；
[0088]S23、提取各個局部區域的圖像特徵；
[0089]S24、確定與待編碼局部區域相似的已編碼相似局部區域，已編碼相似局部區域包括已編碼鄰近局部區域和已編碼對稱局部區域；
[0090]S25、獲取已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數；
[0091]S20、通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重；
[0092]具體地，步驟S20包括如下步驟:
[0093]設定優化問題目標函數為所有訓練集人臉圖像局部區域的平均稀疏編碼迭代次數:
[0094]
【權利要求】
1.一種人臉圖像稀疏編碼方法，其特徵在於，該方法包括: 獲取訓練集的人臉圖像的碼本； 在待編碼人臉圖像中分割出至少兩個局部區域； 提取各個局部區域的圖像特徵； 確定與待編碼局部區域相似的已編碼相似局部區域； 獲取已編碼相似局部區域的稀疏編碼參數； 根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
2.根據權利要求1所述的人臉圖像稀疏編碼方法，其特徵在於，所述確定與待編碼局部區域相似的已編碼相似局部區域包括: 確定與待編碼局部區域鄰近的鄰近局部區域，判斷所述鄰近局部區域是否已編碼，如果已編碼，則確定所述鄰近局部區域為已編碼鄰近局部區域； 確定與待編碼局部區域相對於人臉圖像的縱向中軸線對稱的對稱局部區域，判斷所述對稱局部區域是否已編碼，如果已編碼，則確定所述對稱局部區域為已編碼對稱局部區域。
3.根據權利要求1-2任意一項權利要求所述的人臉圖像稀疏編碼方法，其特徵在於，所述根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼包括: 將已編碼相似局部區域的稀疏編碼參數的均值作為迭代優化算法中對應參數的初`值； 根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
4.根據權利要求2所述的人臉圖像稀疏編碼方法，其特徵在於，所述人臉圖像稀疏編碼方法還包括:通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重。
5.根據權利要求4所述的人臉圖像稀疏編碼方法，其特徵在於，所述根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼包括: 根據已編碼鄰近局部區域的稀疏編碼參數、已編碼對稱局部區域的稀疏編碼參數和組合權重確定迭代優化算法中對應參數的初值； 根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
6.一種人臉圖像稀疏編碼裝置，其特徵在於，該裝置包括: 碼本獲取模塊，用於獲取訓練集的人臉圖像的碼本； 圖像分割模塊，用於在待編碼人臉圖像中分割出至少兩個局部區域； 特徵提取模塊，用於提取各個局部區域的圖像特徵； 相似區域確定模塊，用於確定與待編碼局部區域相似的已編碼相似局部區域； 參數獲取模塊，用於獲取已編碼相似局部區域的稀疏編碼參數； 稀疏編碼獲取模塊，用於根據已編碼相似局部區域的稀疏編碼參數、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
7.根據權利要求6所述的人臉圖像稀疏編碼裝置，其特徵在於，所述相似區域確定模塊包括: 鄰近區域確定模塊，用於確定與待編碼局部區域鄰近的鄰近局部區域，判斷鄰近局部區域是否已編碼，如果已編碼，則確定所述鄰近局部區域為已編碼鄰近局部區域； 對稱區域確定模塊，用於確定與待編碼局部區域相對於人臉圖像的縱向中軸線對稱的對稱局部區域，判斷對稱局部區域是否已編碼，如果已編碼，則確定所述對稱局部區域為已編碼對稱局部區域。
8.根據權利要求6-7任意一項權利要求所述的人臉圖像稀疏編碼裝置，其特徵在於，所述稀疏編碼獲取模塊包括: 第一初值確定模塊，用於將已編碼相似局部區域的稀疏編碼參數的均值作為迭代優化算法中對應參數的初值； 第一稀疏編碼計算模塊，用於根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
9.根據權利要求7所述的人臉圖像稀疏編碼裝置，其特徵在於，所述人臉圖像稀疏編碼裝置還包括: 權重獲取模塊，用於通過學習的方法確定已編碼鄰近局部區域和已編碼對稱局部區域的稀疏編碼參數在迭代優化算法中的組合權重。
10.根據權利要求9所述的人臉圖像稀疏編碼裝置，其特徵在於，所述稀疏編碼獲取模塊包括: 第二初值確定模塊，用於根據已編碼鄰近局部區域的稀疏編碼參數、已編碼對稱局部區域的稀疏編碼參數和組合權重確定迭代優化算法中對應參數的初值； 第二稀疏編碼計算模塊，用於根據參數的初值、待編碼局部區域的圖像特徵和碼本，通過迭代優化算法得到待編碼局部區域的稀疏編碼。
【文檔編號】G06K9/00GK103679150SQ201310687079
【公開日】2014年3月26日 申請日期:2013年12月13日 優先權日:2013年12月13日
【發明者】覃劍釗, 丁寧, 閻鏡予, 黃卜夫 申請人:智慧城市系統服務（中國）有限公司