一種基于單訓練樣本的人臉特征提取方法
【專利摘要】本發(fā)明公開了一種基于單訓練樣本的人臉特征提取方法，包括步驟：一、人臉圖像信號的采集及上傳；二、人臉圖像的分辨率調整及矩陣表示；三、圖像特征提?。?01、對圖像矩陣X進行橫向分塊，302、采用二維Gabor濾波器組對圖像矩陣X進行濾波，303、求取人臉子圖像矩陣中的每個像素值的紋理貢獻度，304、求取人臉圖像G的特征向量W；四、處理結果同步輸出。本發(fā)明設計合理、實現(xiàn)方便且投入成本低，操作簡便，人臉特征提取速度快、效果好，實用性強，解決了現(xiàn)有技術中的圖像特征提取方法在單訓練樣本條件下，很多傳統(tǒng)方法失效、人臉識別率急劇下降等缺陷，性能方面明顯優(yōu)于現(xiàn)有的多種單訓練樣本的圖像特征提取方法。
【專利說明】一種基于單訓練樣本的人臉特征提取方法
【技術領域】
[0001]本發(fā)明屬于圖像處理【技術領域】，具體涉及一種基于單訓練樣本的人臉特征提取方法。
【背景技術】
[0002]現(xiàn)有技術中，對于具有多訓練樣本的人臉識別方法已經取得了非常優(yōu)秀的成果。但是在實際的應用中，經常會遇到缺乏訓練樣本的情況，例如恐怖分子的布控、海關安防、公安系統(tǒng)等等。因此，單樣本人臉識別的研究在近幾年內也成了研究的熱點，目前對于單樣本的人臉特征描述近多年也提出了多種解決方法，總結起來主要分為兩類:
[0003]1、使用各種方法對訓練樣本進行擴充，主要思想是擴充訓練樣本以使用全局特征描述方法，該類方法的優(yōu)點是操作簡單，但是缺點是擴充的訓練樣本和原訓練樣本一致性過高，很難達到多樣本的效果；
[0004]2、對單樣本的圖像進行局部的紋理描述，旨在最大程度地描述圖像的局部特征，該類方法對單樣本人臉特征描述具有較高的穩(wěn)定性和識別率，但是該方法的缺陷在于沒有考慮每個局部特征對于圖像整體描述的貢獻，對于所有的局部特征描述的重要性沒有區(qū)分。
[0005]綜上所述，現(xiàn)有技術中的對于單訓練樣本人臉圖像特征提取方法存在著對局部特征的貢獻考慮不足、分類識別效果差、穩(wěn)定性低等缺陷和不足，不能很好地滿足實際應用的需求。

【發(fā)明內容】

[0006]本發(fā)明所要解決的技術問題在于針對上述現(xiàn)有技術中的不足，提供一種基于單訓練樣本的人臉特征提取方法，其設計合理、實現(xiàn)方便且投入成本低，操作簡便，人臉特征提取速度快、效果好，能夠適用于實際應用中眾多缺乏訓練樣本的場景，實用性強。
[0007]為解決上述技術問題，本發(fā)明采用的技術方案是:一種基于單訓練樣本的人臉特征提取方法，其特征在于該方法包括以下步驟:
[0008]步驟一、人臉圖像信號的采集及上傳:圖像采集設備采集人臉圖像信號并將其實時所采集的人臉圖像信號通過圖像信號傳輸裝置上傳給處理器；
[0009]步驟二、人臉圖像的分辨率調整及矩陣表示:首先，處理器調用分辨率差值調整模塊將其所接收到的人臉圖像信號的分辨率調整為128X128，得到人臉圖像G ;然后，處理器將所述人臉圖像G表示為圖像矩陣X ；
[0010]步驟三、圖像特征提取:處理器對步驟二中所得到的圖像矩陣X進行分析處理，得到人臉圖像G的特征向量W，其分析處理過程如下:
[0011]步驟301、對圖像矩陣X進行橫向分塊:將圖像矩陣X橫向分為q塊，得到:[0012]
【權利要求】
1.一種基于單訓練樣本的人臉特征提取方法，其特征在于該方法包括以下步驟:步驟一、人臉圖像信號的采集及上傳:圖像采集設備(I)采集人臉圖像信號并將其實時所采集的人臉圖像信號通過圖像信號傳輸裝置(2)上傳給處理器(3)； 步驟二、人臉圖像的分辨率調整及矩陣表示:首先，處理器(3)調用分辨率差值調整模塊將其所接收到的人臉圖像信號的分辨率調整為128X128，得到人臉圖像G ;然后，處理器(3)將所述人臉圖像G表示為圖像矩陣X ； 步驟三、圖像特征提取:處理器(3)對步驟二中所得到的圖像矩陣X進行分析處理，得到人臉圖像G的特征向量W，其分析處理過程如下: 步驟301、對圖像矩陣X進行橫向分塊:將圖像矩陣X橫向分為q塊，得到:
2.按照權利要求1所述的一種基于單訓練樣本的人臉特征提取方法，其特征在于:步驟3021中所述σ的取值為I。
3.按照權利要求1所述的一種基于單訓練樣本的人臉特征提取方法，其特征在于:步驟3024中所述Ii1的取值為6，6個不同的中心頻率f的取值分別為2Hz、4Hz、8Hz、16Hz、32Hz和 64Hz。
4.按照權利要求1所述的一種基于單訓練樣本的人臉特征提取方法，其特征在于:步驟3024中所述n2的取值為4，4個不同的空間相位角Θ的取值分別為0° ,45° ,90°和.135。。
5.按照權利要求1所述的一種基于單訓練樣本的人臉特征提取方法，其特征在于:步驟3031中所述m的取值為256。
6.按照權利要求1所述的一種基于單訓練樣本的人臉特征提取方法，其特征在于:所述處理器(3)為計算機。
【文檔編號】G06K9/00GK103927527SQ201410182023
【公開日】2014年7月16日 申請日期:2014年4月30日 優(yōu)先權日:2014年4月30日
【發(fā)明者】高濤, 趙祥模, 張超超, 吳曉龍, 馮興樂 申請人:長安大學