本发明专利技术涉及一种基于局部敏感哈希的相似人脸快速检索方法。现有方法难于适应大规模图像库的快速检索。本发明专利技术首先对图像进行索引,通过人脸区域检测、眼睛和嘴巴特征检测和特征提取、肤色检测、人脸肤色分布特征提取等步骤将图像表示为人脸特征向量;然后利用局部敏感哈希方法对人脸特征向量构建索引。在查询相似人脸图像时,首先将输入的查询图像以索引阶段一样的方式提取人脸特征向量;并利用局部敏感哈希查询,得到候选相似人脸图像集合;最后根据查询图像和候选图像之间的欧式距离确认和排序最终的相似人脸图像。本发明专利技术方法基于局部敏感哈希索引方法提高了查询时的速度。
【技术实现步骤摘要】
本专利技术属于计算机图像检索领域,涉及一种从图像库中快速检测与查询图像具有相似人脸的方法。
技术介绍
随着视觉监控设备的广泛使用以及数字图像拍摄设备的普及,数字图像已成为重要的信息存储方式。根据图像内容进行有效的图像检索具有重要的意义。本专利技术中涉及的相似人脸是指具有相似的脸型,其不同于人脸识别。人脸识别关注人脸的特殊性,提取与其它人脸具区别性的特征。从图像库中检索具有相似人脸的图像具有广泛的应用前景。(I)在视觉监控中可通过人脸图像进行基于人脸内容的检索,以提高视觉监控中大量视频数据的查找问题。(2)在大量的人脸图像数据中检索相似人脸以提供用户在发型、美容、饰品等方面的指导。(3)各种需要进行人脸相似度匹配的各种互联网娱乐应用,比如:查找与你最像的名人,查找与你最具有夫妻相的明星。当前人脸相似度研究方面的成果较少,当前中国专利局公开了两个人脸相似度方面的专利:2002年公开了“人脸元数据生成与人脸相似度计算”(申请号02817359.7)的专利申请文档,该专利主要采用人脸的反差指标和对称指标来描述人脸。2009年公开了 “一种人脸相似度匹配方法及装置”(申请号:200910130506.3),该专利主要采用尺度不变特征变换SIFT来描述图像,并通过SIFT描述子的方向、位置、梯度直方图等计算人脸的相似性。在人脸识别研究方面,当前在国内外有较多的文章发表。当前广泛使用的人脸特征主要分为:几何特征、PCA、不变特征。基于几何特征方法的基本思想是提取面部显著特征(例如眉毛,眼睛,鼻子,嘴巴等)的相对位置和相对大小作为特征参数,再辅以人脸轮廓的形状信息,形成特征向量,最后利用适当的距离度量和分类方法对特征向量加以分类。PCA方法主要将人脸图像通过主成份分析(PCA)提取出人脸的主要特征,降低特征维度,同时该方法需要进行学习。不变特征是指提取对各种外在变化不敏感的人脸特征。该类方法引入局部纹理特征,扩展空频变换特征,扩展灰度统计特征,扩展几何结构特征。
技术实现思路
本专利技术针对现有技术的不足,提供了。本专利技术方法的基本思想是从直观的角度出发来考察人脸的相似性。总体上,相似人脸主要体现在人脸脸型的相似上,因此,人脸脸型特征作为本专利技术方法的主要特征。同时人们在匹配相似人脸时,还考察眼睛的位置和大小,嘴巴位置。本专利技术方法的具体步骤为: 步骤(I)通过人脸检测获取图像中的人脸区域。步骤(2)在人脸区域进行眼睛和嘴巴的检测,并提取眼睛和嘴巴特征;提取眼睛和嘴巴特征包括:眼睛的大小特征、双眼的距离特征、眼睛的对比度特征、眼睛与嘴巴的距离特征。步骤(3)通过肤色检测提取人脸区域的肤色像素。步骤(4)提取肤色分布特征;该特征提取首先依据双眼的位置对人脸进行倾斜校正;然后依据眼睛和嘴巴的位置来划分人脸;最后提取每个划分中肤色像素的占有率作为肤色分布特征。步骤(5)依据人脸肤色分布特征、眼睛和嘴巴特征构建人脸索引库;该索引过程采用局部敏感哈希方法来构建索引库。步骤(6 )对查询图像采用步骤(I)-步骤(4 )的方法提取人脸特征,并通过局部敏感哈希方法在人脸索引库中检索得到具有相似人脸的候选图像。步骤(7)对候选图像进行基于欧式距离的验证,并对候选图像进行排序。本专利技术相对于现有技术具有以下有益效果:本专利技术检索图像的速度比较快,可应用于具有大规模图像库的情况下的人脸相似检索。附图说明图1表示本专利技术的流程 图2多个眼睛选择示意 图3人脸倾斜校正样例; 图4人脸划分不意具体实施例方式下面将结合附图对本专利技术加以详细说明,应指出的是,所描述的实施例仅便于对本专利技术的理解,而对其不起任何限定作用。本专利技术方法的具体步骤为: 步骤(I)通过人脸检测获取图像中的人脸区域。步骤(2)在人脸区域进行眼睛和嘴巴的检测,并提取眼睛和嘴巴特征;提取眼睛和嘴巴特征包括:眼睛的大小特征、双眼的距离特征、眼睛的对比度特征、眼睛与嘴巴的距离特征。步骤(3)通过肤色检测提取人脸区域的肤色像素。步骤(4)提取肤色分布特征;该特征提取首先依据双眼的位置对人脸进行倾斜校正;然后依据眼睛和嘴巴的位置来划分人脸;最后提取每个划分中肤色像素的占有率作为肤色分布特征。步骤(5)依据人脸肤色分布特征、眼睛和嘴巴特征构建人脸索引库;该索引过程采用局部敏感哈希方法来构建索引库。步骤(6)对查询图像采用步骤(I)-步骤(4)的方法提取人脸特征,并通过局部敏感哈希方法在人脸索引库中检索得到具有相似人脸的图像。在本专利技术中,其输入的图像为数字图像进行处理。本专利技术方法处理的图像可以针对各种图像编码格式。在此实施例中假定输入的图像已经是解码的位像。在以下的叙述中,图像就是指数字图像,不再具体指明。本实施例中主要介绍在图像库中检测具有相似人脸图像的方法,其可用于视觉监控数据的检索,美容指导,各种需要进行人脸相似度匹配的各种互联网娱乐应用。本专利技术方法同样可以适用其它需要进行人脸相似度检索的各种应用场合。下面将参考附图进一步介绍本专利技术的实施例。图1是一个流程框图,表示了本专利技术的流程图。整个相似人脸检索方法分为两个过程:索引过程和查询过程。索引过程用于对索引图像提取特征后以局部敏感哈希的方式进行索引,便于查询时快速的搜索到具有相似人脸的图像。查询过程是在局部敏感哈希构建的索引库的基础上,对输入的查询图像与索引图像进行基于局部敏感哈希的近似最近邻查找得到相似人脸图像,该查询过程通过使用局部敏感哈希来提高效率。参考图1中提取人脸区域子单元,用于提取图像中的人脸区域。如果图像中没有人脸则不对该图像进行索引。人脸提取方法主要采用haar特征和Adaboost级联分类器,该方法可参考论文(Paul Viola, Michael J.Jones,Robust Real-Time Face Detection,International Journal of Computer Vision, May 2004, Volume 57, Issue 2, pp137-154)。由于图像中的人脸可能存在侧脸的问题,因此,当前已经有学习好的侧脸检测adaboost人脸模型。在本实施例中,不考虑侧脸的情况,主要检测正面人脸,因此在加载adaboost人脸模型时只加载整理adaboost人脸模型,具体的实现可参考opencv开源图像处理库。同时,为了提高人脸检测的效率,对图像的宽或者高大于800像素的图像进行尺度的缩放,缩放不改变图像宽和高的比。缩放到目标图像的宽和高都需要小于800即可。在本实施例中,为了应对图像中人脸的不同大小,采用的尺度因子为1.1,检测的最小窗口大小设定为32*32像素。如果在一幅图像中检测到多个人脸区域,则对每个人脸区域提取特征并进行索引;如果在图像中没有检测到人脸区域,则不对该图像进行索引。经过人脸区域检测后,得到若干个人脸区域图像,并将人脸图像缩放到固定尺度,在本实施例中,设定的固定人脸尺度为128*128像素。参考图1中眼睛和嘴巴检测子单元,用于在人脸区域图像中检测眼睛和嘴巴。检测嘴巴和眼睛的方法采用人脸检测一`样的方法,其区别在于学习好的adaboost模型不同,眼睛采用眼睛的adaboost模型,嘴巴采用嘴巴的adaboost模型。已经有学习好的adaboost模型可在网上下载(htt本文档来自技高网...
【技术保护点】
一种基于局部敏感哈希的相似人脸快速检索方法,其特征在于该方法包括如下步骤:步骤(1)通过人脸检测获取图像中的人脸区域;步骤(2)在人脸区域进行眼睛和嘴巴的检测,并提取眼睛和嘴巴特征;步骤(3)通过肤色检测提取人脸区域的肤色像素;步骤(4)提取肤色分布特征;步骤(5)依据人脸肤色分布特征、眼睛和嘴巴特征构建人脸索引库;步骤(6)对查询图像采用步骤(1)?步骤(4)的方法提取人脸特征,并通过局部敏感哈希方法在人脸索引库中检索得到具有相似人脸的候选图像;步骤(7)对候选图像进行基于欧式距离的验证,并对候选图像进行排序。
【技术特征摘要】
【专利技术属性】
技术研发人员:傅政军,姚金良,孙占长,滕韬,潘满永,朱沛生,任永,周逸青,
申请(专利权)人:天格科技杭州有限公司,
类型:发明
国别省市:
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。