国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于超像素的人臉畫像生成方法

      文檔序號:9274930閱讀:777來源:國知局
      基于超像素的人臉畫像生成方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域,特別涉及一種人臉畫像生成方法,可用于公共安 全領(lǐng)域中人臉檢索與識別。
      【背景技術(shù)】
      [0002] 在公共安全管理中,基于人臉的身份識別是最方便有效的身份認(rèn)證技術(shù)之一。例 如在刑偵破案當(dāng)中,當(dāng)嫌疑犯的照片很難獲取時(shí),法醫(yī)可以根據(jù)目擊證人的描述繪制出嫌 疑犯的畫像。由于照片和畫像在成像原理上的不同,在形狀和紋理方面都存在很大的差異, 給基于畫像的人臉識別帶來諸多困難。人臉畫像生成技術(shù)是通過圖像處理技術(shù)將警方人臉 數(shù)據(jù)庫中的照片轉(zhuǎn)化為偽畫像,之后可以將嫌疑犯的畫像在偽畫像數(shù)據(jù)庫中進(jìn)行識別,是 提尚基于畫像的人臉識別的有效技術(shù)之一,因此受到廣泛的關(guān)注。
      [0003] 目前,根據(jù)對人臉圖像的表示方式不同,人臉畫像生成方法主要分為三類:
      [0004] -是基于全局表示的方法,這種方法是將整幅人臉圖像看作一個(gè)向量進(jìn)行人臉畫 像生成。比如X.Tang等人在文獻(xiàn)"X.TangandX.Wang.FaceSketchRecognition.IEEE TransactionsonCircuitsandSystemsforVideoTechnology, 14 (1) : 1-7, 2004" 中提 出了一種基于特征變換的方法,通過將整幅人臉圖像看作一個(gè)向量,將人臉畫像生成過程 看作線性過程,通過主成分分析的方法進(jìn)行畫像生成。該方法存在的不足之處是,將整幅人 臉圖像看作一個(gè)向量進(jìn)行表示,不能有效的刻畫人臉圖像的局部信息,在畫像生成的過程 中存在細(xì)節(jié)的丟失。
      [0005] 二是基于獨(dú)立局部塊表示的方法,這種方法首先將人臉圖像劃分為大小相同的矩 形塊,通過局部線性來近似全局非線性。比如Q.Liu等人在文獻(xiàn)"Q.Liu,X.Tang,H.Jin,H. Lu,andS.Ma.ANonlinearApproachforFaceSketchSynthesisandRecognition.In Proc.IEEEInt.ConferenceonComputerVision,pp. 1005-1010, 2005"中提出了一種基于 局部線性嵌入的方法,通過將訓(xùn)練集和測試集中的人臉圖像分塊,對測試照片的每個(gè)圖像 塊在訓(xùn)練集中尋找它的K個(gè)相似的照片近鄰塊,然后利用局部線性嵌入的思想計(jì)算照片近 鄰塊的線性組合權(quán)值,并利用對應(yīng)的K個(gè)畫像近鄰塊和組合權(quán)值得到偽畫像塊并最終融合 成偽畫像。該方法存在的不足之處是,對測試照片的每個(gè)圖像塊單獨(dú)進(jìn)行處理,忽略了人臉 圖像本身的結(jié)構(gòu)信息,在畫像生成的過程中存在人臉結(jié)構(gòu)的丟失。
      [0006] 三是基于空間約束局部塊表示的方法,這種方法首先將人臉圖像劃分為大小相同 的矩形塊,然后在考慮相鄰圖像塊之間的約束關(guān)系的基礎(chǔ)上,利用貝葉斯模型進(jìn)行建模, 實(shí)現(xiàn)人臉畫像生成。比如X.Wang等人在文獻(xiàn)"X.WangandX.Tang.FacePhoto-Sketch SynthesisandRecognition.IEEETransactionsonPatternAnalysisandMachineInt elligence. 31(11) =1955-1967, 2009"中提出了一種基于馬爾可夫網(wǎng)絡(luò)模型的方法,通過將 訓(xùn)練集和測試集中的人臉圖像劃分成大小相同、互相重疊的局部塊,利用馬爾可夫網(wǎng)絡(luò)模 型建立人臉照片和人臉畫像之間的關(guān)系模型,通過對模型求解實(shí)現(xiàn)人臉畫像生成。該方法 存在的不足之處是,在將人臉圖像分塊的過程中,將圖像劃分成矩形塊而忽略了人臉圖像 本身的結(jié)構(gòu)特點(diǎn),生成的偽畫像存在細(xì)節(jié)部位的丟失。

      【發(fā)明內(nèi)容】

      [0007] 本發(fā)明的目的在于針對上述現(xiàn)有方法的不足,提出一種基于超像素的人臉畫像生 成方法,以提高生成的偽畫像的質(zhì)量,使得生成的偽畫像的細(xì)節(jié)部位更明顯。
      [0008] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案包括如下步驟:
      [0009] (1)從畫像-照片對集中取出L張畫像組成訓(xùn)練畫像樣本集TK,并取出與訓(xùn)練畫 像樣本集1中的畫像一一對應(yīng)的L張照片組成訓(xùn)練照片樣本集TE,將剩余畫像-照片對組 成測試樣本集,從測試樣本集中選取一張測試照片S,2<L<U-1,U為畫像-照片對集中 的畫像-照片對個(gè)數(shù);
      [0010] (2)將測試照片S、訓(xùn)練畫像樣本集TK中的畫像和訓(xùn)練照片樣本集TE中的照片分 別劃分成超像素塊:
      [0011] 利用超像素算法將測試照片S劃分為互相不重疊的超像素塊,并將每個(gè)超像素 塊向四周擴(kuò)大d個(gè)像素,得到相互重疊的超像素塊,組成測試照片超像素塊集 ,Si,…,SN},其中Si為經(jīng)過擴(kuò)大后的第i個(gè)超像素塊,i= 1,2,…,N,N為測試照片超像素 塊的總個(gè)數(shù);
      [0012] 按照測試照片S的劃分結(jié)果對訓(xùn)練畫像樣本集TK中的畫像和訓(xùn)練照片樣本集TE 中的照片進(jìn)行超像素塊劃分,得到訓(xùn)練畫像超像素塊字典DK和訓(xùn)練照片超像素塊字典DE;
      [0013] (3)組成待選擇照片超像素塊集和待選擇畫像超像素塊集:
      [0014]根據(jù)測試照片超像素塊集以,S2,…,Si,…,SN},從訓(xùn)練照片超像素塊字典%中 尋找每個(gè)測試照片超像素塊的K個(gè)相似的照片超像素塊,組成待選擇照片超像素塊集 {PpP2,…,Pi,…,PN},其中Pi為測試照片超像素塊Si的待選擇照片超像素塊集;
      [0015] 從訓(xùn)練畫像超像素塊字典DK中選擇與待選擇照片超像素塊集{PP2,…,Pi,… ,PN}中的照片超像素塊--對應(yīng)的畫像超像素塊,組成待選擇畫像超像素塊集{QuQd- ,Qi,…,Qn},其中Qi為測試照片超像素塊Si的待選擇畫像超像素塊集;
      [0016] (4)根據(jù)測試照片超像素塊集{Si,S2,…,Si,…,SN}、待選擇照片超像素塊集 也,P2,…,Pi,…,PN}和待選擇畫像超像素塊集他,Q2,…,Qi,…,QJ,按照下式求解待選擇 畫像超像素塊權(quán)值集{Wi,w2,…,Wi,…,wN}:
      [0017]
      [0018] 其中Wi表示第i個(gè)待選擇畫像超像素塊權(quán)值,L表示與測試照片超像素塊Si具有 重疊區(qū)域的測試照片超像素塊個(gè)數(shù),(^表示與測試照片超像素塊S,具有重疊區(qū)域的第j個(gè) 測試照片超像素塊的待選擇畫像超像素塊集,%表示與測試照片超像素塊Si具有重疊區(qū)域 的第j個(gè)測試照片超像素塊的待選擇畫像超像素塊權(quán)值,*t表示對矩陣進(jìn)行轉(zhuǎn)置操作,rt 表示計(jì)算矩陣的2范數(shù),a為調(diào)節(jié)因子,取值為0.25;
      [0019] (5)根據(jù)待選擇畫像超像素塊集他,Q2,…,Qi,…,QJ和待選擇畫像超像素塊權(quán)值 集iwi,%,…,wi,…,wiJ,按照下式得到偽畫像超像素塊集H…,xi,…,:
      [0020] Xj=QjWj,i= 1, 2, ???,N
      [0021] 其中\(zhòng)為第i個(gè)偽畫像超像素塊;
      [0022] (6)將偽畫像超像素塊集氏,X2,…,Xi,…,XN}中的N個(gè)偽畫像超像素塊進(jìn)行組 合,得到與測試照片S對應(yīng)的偽畫像。
      [0023] 本發(fā)明由于采用了超像素算法將人臉圖像劃分成超像素塊,分塊過程中利用了人 臉圖像的結(jié)構(gòu)信息,實(shí)現(xiàn)人臉畫像生成,與現(xiàn)有方法相比,由于考慮了人臉圖像本身的結(jié)構(gòu) 信息,使得生成的圖像細(xì)節(jié)部位明顯,克服了現(xiàn)有方法中對人臉圖像分塊時(shí),將圖像劃分成 矩形塊而忽略結(jié)構(gòu)信息帶來的細(xì)節(jié)不明顯的問題。
      [0024] 以下面結(jié)合附圖,對本發(fā)明實(shí)現(xiàn)的步驟作進(jìn)一步的詳細(xì)描述。
      【附圖說明】
      [0025] 圖1為本發(fā)明基于超像素的人臉畫像生成流程圖;
      [0026] 圖2為本發(fā)明與現(xiàn)有的兩種方法在CUHKstudent數(shù)據(jù)庫上生成的偽畫像的對比 結(jié)果圖。
      【具體實(shí)施方式】
      [0027]參照圖1,本發(fā)明實(shí)現(xiàn)的步驟如下:
      [0028] 步驟1,劃分訓(xùn)練畫像樣本集、訓(xùn)練照片樣本集和測試樣本集。
      [0029] 從畫像-照片對集中取出L張畫像組成訓(xùn)練畫像樣本集TK,并取出與訓(xùn)練畫像樣 本集1中的畫像一一對應(yīng)的L張照片組成訓(xùn)練照片樣本集TE,將剩余畫像-照片對組成測 試樣本集,從測試樣本集中選取一張測試照片S,2彡L彡U-1,U為畫像-照片對集中的畫 像-照片對個(gè)數(shù)。
      [0030] 步驟2,對訓(xùn)練畫像樣本集中的畫像、訓(xùn)練照片樣本集中的照片和測試照片進(jìn)行超 像素塊劃分。
      [0031] (2a)將測試照片S劃分為超像素塊:
      [0032] 對測試照片S的劃分可采用現(xiàn)有的超像素算法進(jìn)行,超像素算法包括分水嶺方 法、基于Mean-shift的方法和簡單線性迭代聚類法等,本發(fā)明選用但不局限于簡單線性迭 代聚類法,具體步驟如下:
      [0033] (2al)在測試照片S上按照均勻網(wǎng)格采樣,初始化H個(gè)聚類中心{A,C2,…,Ch,… ,CH},其中Ch為第h個(gè)聚類中心,h= 1,2,…,H,對測試照片S上的每個(gè)像素點(diǎn)V設(shè)置類標(biāo) 記1 (v) = -1和距離標(biāo)記d(v) = + 〇°,v= 1,2,…,Ns,Ns為測試照片S上的像素點(diǎn)個(gè)數(shù);
      [0034] (2a2)對第h個(gè)聚類中心Ch,計(jì)算其周圍aXa范圍內(nèi)的第v'個(gè)像素點(diǎn)和聚類中 心Ch的距離d',其中a為搜索范圍參數(shù),取值為10,如果距離標(biāo)記d(v' )>d',則設(shè)置 距離標(biāo)記d(v' )=cT和類標(biāo)記l(v' )=h,否則,距離標(biāo)記d(v')和類標(biāo)記l(v') 保持不變;
      [0035] (2a3)重復(fù)步驟(2a2)直至H個(gè)聚類中心{CpQ,…,Ch, ?'QJ的周圍aXa范圍 內(nèi)的所有像素點(diǎn)的距離標(biāo)記和類標(biāo)記都更新一遍,將具有相同類標(biāo)記的像素點(diǎn)看作一類, 重新計(jì)算H個(gè)聚類中心;
      [0036] (2a4)重復(fù)步驟(2a2)_(2a3),直至H個(gè)聚類中心都不再變化,再將具有相同類標(biāo) 記的像素點(diǎn)看作一個(gè)超像素塊,完成對測試照片S的超像素塊劃分;
      [0037] (2b)在對測試照片S劃分完成后,將每個(gè)超像素塊向四周擴(kuò)大d個(gè)像素,d取值為 3,得到相互重疊的超像素塊,組成測試照片超像素塊集以,S2,…,Si,…,SN},其中Si為經(jīng) 過擴(kuò)大后的第i個(gè)超像素塊,i= 1,2,…,N,N為測試照片超像素塊的總個(gè)數(shù)。
      [0038] (2c)按照(2b)對測試照片S的劃分結(jié)果對訓(xùn)練畫像樣本集TK中的畫像和訓(xùn)練照 片樣本集TE中的照片進(jìn)行超像素塊劃分,得到訓(xùn)練畫像超像素塊字典DK和訓(xùn)練照片超像素 塊字典De。
      [0039] 步驟3,組成待選擇照片超像素塊集和待選擇畫像超像素塊集。
      [0040] (3a)根據(jù)測試照片超像素塊集{Si,S2,…,Si,…,SN},從訓(xùn)練照片超像素塊字典DE中尋找每個(gè)測試照片超像素塊的K個(gè)相似的照片超像素塊,組成待選擇照片超像素塊集 {PpP2,…,Pi,…,PN},其中Pi為測試照片超像素塊Si的待選擇照片超像素塊集;
      [0041] (3b)從訓(xùn)練畫像超像素塊字典DK中選擇與待選擇照片超像素塊集 ,Pi,…,PN}中的照片超像素塊一一對應(yīng)的畫像超像素塊,組成待選擇畫像超像素塊集 {Qi,Q2,…,Qi,…,QN},其中Qi為測試照片超像素塊si的待選擇畫像超像素塊集。
      [0042] 步
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1