一种图片浏览方法技术

技术编号:14862924 阅读:48 留言:0更新日期:2017-03-19 17:04
本发明专利技术公开了一种图片浏览方法,包括:基于人脸特征向量检测目标图片集中的人脸;从检测出人脸后的目标图片集中选择指定人脸,并获取指定人脸的人脸特征向量;基于人脸特征向量计算指定人脸与目标图片集中检测出的其他人脸的相似度;基于相似度排序显示目标图片集中的图片。本发明专利技术摆脱了人工标签标注的复杂性并避免盲目自动分组的高错误率,实现了基于人脸相似度的图片浏览。

【技术实现步骤摘要】

本专利技术涉及认证识别
,具体地说,涉及一种图片浏览方法
技术介绍
随着数码拍摄设备的普及和存储器的发展,用户拍摄、存储的图片越来越多,而且人物照片在其中占较大比例。当用户在查看图片时,数码设备如手机、电脑、电子相框等通常会按照拍摄或保存时间将图片呈现出来以供用户浏览。但是用户往往对图片中的人物更加感兴趣。因此,基于人脸识别技术将同一个人的多张图片聚类而后按照相似度降序排序的浏览方式更能契合用户的潜在需求。当前市场上有一些智能手机相册支持基于标签的图片浏览,该标签可以是人物姓名。当用户选择一个标签后,相册应用程序将显示该标签下的所有图片。按照标签产生方法的不同,大致可以分为两种:第一种是不使用任何检测或者识别手段,通过用户纯手动标注生成标签;第二种是使用人脸检测和分组聚类方法,先根据相似度将包含人脸的图片分为多个分组,然后用户再对每个分组进行标注。具体而言,这类方法通常先对图片进行人脸检测,对检测器获取的人脸进行两两之间的相似度计算,相似度高的图片对归到同一组,相似度低的划分为新的分组。然后用户只需要对分组结果进行标注,将同一组的图片标注为某个人物标签。以上通过人物标签实现图片浏览方法中,第一种方法的主要缺点是前期需要极大的人力成本,用户需要对每一张图片都进行标注才能有较好的标签分组效果,既消耗时间也影响用户体验;第二种方法主要受到人脸检测和分组性能的制约,市场上的产品多数存在人脸漏检(即没有把图片中所有人脸都检测到)、错检(把非人脸区域检测判断为人脸),分组错误(不同人物归到同一组或同样人物划分到不同组)等问题。而且两种方法重点都在于分组查看,相似度计算仅用于获取分组,不能按相似度排序来浏览图片。同时,那些没有标签标注的图片,有可能在浏览时被忽略。并且,在第二种方法中,对于一些不感兴趣的人物(如出现在照片中的路人)或者错误检测(半张脸或不是人脸)会导致图片分组结果不准确,影响用户体验。对于多人照片或合照的处理,基于标签的图片分组浏览也容易造成用户的困扰:可能有些用户只想把某个人物的单人照片归为一组而智能相册把合照也插入到这个分组;而有的用户可能想把某个人物的合照和单人照都加入到同一分组。
技术实现思路
为解决以上问题,本专利技术提供了一种基于人脸相似度的图片浏览方法。根据本专利技术的一个实施例,提供了一种图片浏览方法,包括:基于人脸特征向量检测目标图片集中的人脸;从检测出人脸后的目标图片集中选择指定人脸,并获取所述指定人脸的人脸特征向量;基于所述人脸特征向量计算所述指定人脸与目标图片集中检测出的其他人脸的相似度;基于所述相似度排序显示目标图片集中的图片。根据本专利技术的一个实施例,基于人脸特征向量检测目标图片集中的人脸的步骤进一步包括:基于人脸检测及肤色检测确定目标图片集中的人脸候选框;对齐所述人脸候选框中的人脸以确保将人脸由非正脸调整至正脸;提取对齐后的人脸候选框中的人脸特征向量;基于模板人脸集对所述人脸特征向量进行过滤处理,以排除错误检测出的非人脸候选框,从而确定目标图片集中的人脸。根据本专利技术的一个实施例,确定目标图片集中的人脸候选框的步骤进一步包括:人脸检测步骤,基于Viola-Jones人脸检测器框架建立大量检测框来对输入图像进行扫描,提取检测框中的Haar特征,基于Haar特征过滤掉非人脸候选框;肤色检测步骤,计算保留下来的检测框内的平均肤色似然度,若计算得到的平均肤色似然度大于整幅图像的平均肤色似然度,则保留下来并作为所述人脸候选框。根据本专利技术的一个实施例,对齐所述人脸候选框中的人脸以确保将人脸由非正脸调整至正脸的步骤进一步包括:基于左右眼、左右嘴角和鼻尖五个特征点定位所述人脸候选框中的人脸特征点位置;通过左右嘴角的坐标计算出嘴巴中心的位置,利用嘴巴中心的位置和左右眼三点作为人脸对齐的标准;通过仿射变换将所述三点映射到大小为N*N的图像上的固定位置,以实现人脸的对齐。根据本专利技术的一个实施例,提取对齐后的人脸候选框中的人脸特征向量的步骤进一步包括:提取对齐后的人脸候选框中人脸的LBP特征和HOG特征;利用降维矩阵PCA和LDA将LBP特征和HOG特征降维到n维;对降维后的LBP特征和HOG特征分别进行模归一化处理;将模归一化处理后的LBP特征和HOG特征串联成2n维的人脸特征向量。根据本专利技术的一个实施例,基于模板人脸集对所述人脸特征向量进行过滤处理,以排除错误检测出的非人脸候选框,最终确定目标图片集中的人脸的步骤进一步包括:将所述人脸特征向量与所述模板人脸集进行计算,以得到输入人脸的评分,所述评分为人脸特征向量与模板人脸向量的余弦距离;根据设定好的阈值,移除评分低于所述阈值的人脸,保留评分大于等于所述阈值的人脸并作为确定的目标图片集中的人脸。根据本专利技术的一个实施例,所述模板人脸向量由所述模板人脸集中所有人脸向量的平均值计算得到,所述模板人脸集中包含各国人脸图像。根据本专利技术的一个实施例,从检测出人脸后的目标图片集中选择指定人脸的步骤进一步包括:从目标图片集中选择一张图片,从该图片中检测出的人脸候选框中选择指定人脸,其中:如选择的是单人图片,则以该单人的人脸作为指定人脸;如选择的是多人图片,则从多人图片中选择其中一个人脸作为指定人脸;如选择的是无人图片,则无指定人脸。根据本专利技术的一个实施例,基于所述人脸特征向量计算所述指定人脸与目标图片集中检测到的其他人脸的相似度的步骤进一步包括:通过下式计算指定人脸与目标图片集中其他人脸的相似度值:cosθ=X·Y||X||·||Y||]]>其中,cosθ为相似度值,X,Y分别为目标图片集中指定人脸和其他人脸的人脸特征向量,X和Y向量均为2n×1维;基于所述相似度值判断指定人脸与目标图片集中其他人脸的相似度,所述相似度值越接近1,则相似度越高。根据本专利技术的一个实施例,基于所述相似度排序显示目标图片集中的图片的步骤进一步包括:基于所述相似度的高低对目标图片集中的人脸进行排序,将目标图片集中的图片按照与指定人脸相似度的高低进行排序。本专利技术的有益效果:本专利技术提出一种基于人脸相似度的图片浏览方法,摆脱了人工标签标注的复杂性并避免盲目自动分组的高错误率。本方案针对个人用户的图片查看需求,使用模式识别和人脸特征提取的相关方法,通过本文档来自技高网
...

【技术保护点】
一种图片浏览方法,包括:基于人脸特征向量检测目标图片集中的人脸;从检测出人脸后的目标图片集中选择指定人脸,并获取所述指定人脸的人脸特征向量;基于所述人脸特征向量计算所述指定人脸与目标图片集中检测出的其他人脸的相似度;基于所述相似度排序显示目标图片集中的图片。

【技术特征摘要】
1.一种图片浏览方法,包括:
基于人脸特征向量检测目标图片集中的人脸;
从检测出人脸后的目标图片集中选择指定人脸,并获取所述指定人脸的人脸
特征向量;
基于所述人脸特征向量计算所述指定人脸与目标图片集中检测出的其他人
脸的相似度;
基于所述相似度排序显示目标图片集中的图片。
2.根据权利要求1所述的图片浏览方法,其特征在于,基于人脸特征向量
检测目标图片集中的人脸的步骤进一步包括:
基于人脸检测及肤色检测确定目标图片集中的人脸候选框;
对齐所述人脸候选框中的人脸以确保将人脸由非正脸调整至正脸;
提取对齐后的人脸候选框中的人脸特征向量;
基于模板人脸集对所述人脸特征向量进行过滤处理,以排除错误检测出的非
人脸候选框,从而确定目标图片集中的人脸。
3.根据权利要求2所述的图片浏览方法,其特征在于,确定目标图片集中
的人脸候选框的步骤进一步包括:
人脸检测步骤,基于Viola-Jones人脸检测器框架建立大量检测框来对输入图
像进行扫描,提取检测框中的Haar特征,基于Haar特征过滤掉非人脸候选框;
肤色检测步骤,计算保留下来的检测框内的平均肤色似然度,若计算得到的
平均肤色似然度大于整幅图像的平均肤色似然度,则保留下来并作为所述人脸候
选框。
4.根据权利要求3所述的图片浏览方法,其特征在于,对齐所述人脸候选
框中的人脸以确保将人脸由非正脸调整至正脸的步骤进一步包括:
基于左右眼、左右嘴角和鼻尖五个特征点定位所述人脸候选框中的人脸特征
点位置;
通过左右嘴角的坐标计算出嘴巴中心的位置,利用嘴巴中心的位置和左右眼
三点作为人脸对齐的标准;
通过仿射变换将所述三点映射到大小为N*N的图像上的固定位置,以实现人

\t脸的对齐。
5.根据权利要求4所述的图片浏览方法,其特征在于,提取对齐后的人脸
候选框中的人脸特征向量的步骤进一步包括:
提取对齐后的人脸候选框中人脸的LBP特征和HOG特征;
利用降维矩阵PCA和LDA将LBP特征和HOG特征降维到n维;
对降维后的LBP特征和HOG特征分别进行模归一化处理...

【专利技术属性】
技术研发人员:邓伟洪韩嘉杰胡佳妮郭军
申请(专利权)人:北京邮电大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1