一種人臉圖像擇優(yōu)系統(tǒng)和處理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及人臉識別處理技術(shù)領(lǐng)域，尤其設(shè)及一種人臉圖像擇優(yōu)系統(tǒng)和處理方 法。
【背景技術(shù)】
[0002] 人臉識別是模式識別領(lǐng)域中活躍的研究方向之一，傳統(tǒng)流程是在一段大約10秒 左右的視頻中，獲取單個人物的一組人臉圖像，將它們帶入后期的人臉識別階段。而人臉識 別大量采用特征提取的方法，所W圖像的信息量高低會影響識別效果。目前該領(lǐng)域主要研 究的是圖像自身質(zhì)量，諸如客觀質(zhì)量評價中的全參考型、部分參考型、無參考型等等。運些 只是作為圖像擇優(yōu)的一部分，對于信息量W及是否便于特征提取沒有做考慮。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問題是提供一種人臉圖像擇優(yōu)系統(tǒng)和處理方法，提高了人 臉圖像的識別準(zhǔn)確率，能夠排選出最佳的人臉圖形，具有較好的推廣性。
[0004] 針對人臉識別的輸入圖像信息量高低不均，本發(fā)明提出了一種多參數(shù)圖像擇優(yōu)的 評分機制CPEF(CompositeParametersEvaluateFace)。
[0005] 本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：一種人臉圖像擇優(yōu)系統(tǒng)，包括旋轉(zhuǎn)計 算模塊、圖像質(zhì)量計算模塊、人臉狀態(tài)判斷模塊和得分計算模塊，
[0006] 所述旋轉(zhuǎn)計算模塊，用于根據(jù)ASM算法在各人臉圖像中標(biāo)定出人臉的多個特征 點，來定位人臉的眼部和鼻尖點，由眼部和鼻尖點=點構(gòu)成倒=角形，并計算所述倒=角 形的兩底角角度差的絕對值，從而得到各人臉圖像中人臉的旋轉(zhuǎn)度；
[0007] 所述圖像質(zhì)量計算模塊，用于根據(jù)拉普拉斯算子得出各人臉圖像的清晰度和人臉 的輪廓數(shù)量，輪廓數(shù)量越多清晰度越高，說明圖像的信息量越大；
[0008] 所述人臉狀態(tài)判斷模塊，用于根據(jù)化ar+AdaBoost分類器判斷各人臉圖像中的雙 眼是否為睜眼狀態(tài)，W及采用顏色直方圖信息判斷各人臉圖像中的嘴部是否為閉嘴狀態(tài)；
[0009] 所述得分計算模塊，用于分別計算每個人臉圖像特征的得分總和，從而將各人臉 圖像的特征的得分總和的高低進行排序，得到各人臉圖像的價值排序；所述人臉圖像的特 征包括旋轉(zhuǎn)度、清晰度、輪廓數(shù)量、睜眼狀態(tài)和閉嘴狀態(tài)。
[0010] 本發(fā)明的有益效果是：在獲取圖像客觀參數(shù)的基礎(chǔ)上，采用遞歸方式給出權(quán)重，作 出符合人主觀感受的評分；基于ASM定位計算人臉?biāo)叫D(zhuǎn)程度；計算圖像的清晰度化S 值）W及輪廓數(shù)量來評估圖像質(zhì)量；然后使用化ar+AdaBoost分類器定位人眼，基于眼部的 冊G特征配合SVM訓(xùn)練出的化ar+AdaBoost分類器判斷人眼是否處于睜開狀態(tài)；接下來ASM 定位人嘴，W顏色直方圖信息判定人是否處于張嘴狀態(tài)；最后，綜合W上參數(shù)，配上遞歸得 到的權(quán)重，計算最終評分。本發(fā)明采用的系統(tǒng)和方法提高了人臉圖像的識別準(zhǔn)確率，能夠排 選出最佳的人臉圖形，具有較好的推廣性。
[0011] 在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可W做如下改進。
[0012] 進一步，所述人臉狀態(tài)判斷模塊包括眼部狀態(tài)判斷單元和嘴部狀態(tài)判斷單元，
[0013] 所述眼部狀態(tài)判斷單元，用于根據(jù)化ar+AdaBoos分類器從各人臉圖像中檢測出 眼部，并提取眼部的冊G特征，再將化ar+AdaBoos分類器通過SVM支持向量機進行訓(xùn)練，訓(xùn) 練后的化ar+AdaBoos分類器判斷提取眼部的HOG特征是否為睜眼狀態(tài)；
[0014] 所述嘴部狀態(tài)判斷單元，用于根據(jù)ASM算法定位各人臉圖像中的嘴部區(qū)域，并采 用顏色直方圖對嘴部區(qū)域進行顏色數(shù)據(jù)分析，從而根據(jù)顏色直方圖信息判斷各人臉圖像中 的嘴部是否為閉嘴狀態(tài)。
[0015] 采用上述進一步方案的有益效果是：從而滿足了人臉特征提取的要求。
[0016] 進一步，所述得分計算模塊包括初始賦值單元、遞歸單元、得分計算單元和排序單 元，
[0017] 所述初始賦值單元，用于對各人臉圖像的各特征的權(quán)重值賦予初始值；
[0018] 所述遞歸單元，用于根據(jù)遞歸的方式得到與各特征對應(yīng)的權(quán)重值；
[0019] 所述得分計算單元，用于根據(jù)FERET數(shù)據(jù)庫分別計算出各特征得分，再將各特征 得分分別與對應(yīng)的權(quán)重值運算，將運算的結(jié)果相加，得到人臉圖像中特征的得分總和，依次 計算每個人臉圖像特征的得分總和；
[0020] 所述排序單元，用于將各人臉圖像的特征的得分總和的高低進行排序，得到各人 臉圖像的價值排序。
[0021] 采用上述進一步方案的有益效果是：近似于實際環(huán)境下的人臉檢測效果，在室內(nèi) 實際環(huán)境下有可推廣性。
[0022] 進一步，對所述權(quán)重值賦予初始值為2. 5。
[0023] 采用上述進一步方案的有益效果是：使遞歸運算準(zhǔn)確率高、快速。 陽024] 進一步，所述標(biāo)定出人臉的特征點為77個。
[00巧]采用上述進一步方案的有益效果是：從而更準(zhǔn)確的標(biāo)定出人臉。
[0026] 本發(fā)明解決上述技術(shù)問題的另一技術(shù)方案如下：一種人臉圖像擇優(yōu)方法，包括如 下步驟： 陽027] 步驟S1 :根據(jù)ASM算法在各人臉圖像中標(biāo)定出人臉的多個特征點，來定位人臉的 眼部和鼻尖點，由眼部和鼻尖點=點構(gòu)成倒=角形，并計算所述倒=角形的兩底角角度差 的絕對值，從而得到各人臉圖像中人臉的旋轉(zhuǎn)度；
[0028] 步驟S2 :根據(jù)拉普拉斯算子得出各人臉圖像的清晰度和人臉的輪廓數(shù)量，輪廓數(shù) 量越多清晰度越高；
[0029] 步驟S3 :根據(jù)化ar+AdaBoost分類器判斷各人臉圖像中的雙眼是否為睜眼狀態(tài)， W及采用顏色直方圖信息判斷各人臉圖像中的嘴部是否為閉嘴狀態(tài)；
[0030] 步驟S4 :分別計算每個人臉圖像特征的得分總和，從而將各人臉圖像的特征的得 分總和的高低進行排序，得到各人臉圖像的價值排序；所述人臉圖像的特征包括旋轉(zhuǎn)度、清 晰度、輪廓數(shù)量、睜眼狀態(tài)和閉嘴狀態(tài)。
[0031] 在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可W做如下改進。
[0032] 進一步，實現(xiàn)所述步驟S3的具體步驟為：
[0033] 步驟301 :根據(jù)化ar+AdaBoos分類器從各人臉圖像中檢測出眼部，并提取眼 部的冊G特征，再將化ar+AdaBoos分類器通過SVM支持向量機進行訓(xùn)練，訓(xùn)練后的 化ar+AdaBoos分類器判斷提取眼部的HOG特征是否為睜眼狀態(tài)；
[0034] 步驟302:根據(jù)ASM算法定位各人臉圖像中的嘴部區(qū)域，并采用顏色直方圖對嘴部 區(qū)域進行顏色數(shù)據(jù)分析，從而根據(jù)顏色直方圖信息判斷各人臉圖像中的嘴部是否為閉嘴狀 態(tài)。
[0035] 進一步，實現(xiàn)所述步驟S4的具體步驟為：
[0036] 步驟S401 :對各人臉圖像的各特征的權(quán)重值賦予初始值；
[0037] 步驟S402 :用于根據(jù)遞歸的方式得到與各特征對應(yīng)的權(quán)重值；
[0038] 步驟S403 :根據(jù)FERET數(shù)據(jù)庫分別計算出各特征得分，再將各特征得分分別與對 應(yīng)的權(quán)重值運算，將運算的結(jié)果相加，得到人臉圖像中特征的得分總和，依次計算每個人臉 圖像特征的得分總和；
[0039] 步驟S404 :將各人臉圖像的特征的得分總和的高低進行排序，得到各人臉圖像的 價值排序。
[0040] 進一步，對所述權(quán)重值賦予初始值為2. 5。 陽041] 進一步，所述標(biāo)定出人臉的特征點為77個。
【附圖說明】
[0042] 圖1為本發(fā)明人臉圖像擇優(yōu)系統(tǒng)的模塊框圖；
[0043] 圖2為本發(fā)明人臉圖像擇優(yōu)方法的方法流程圖；
[0044] 圖3為本發(fā)明CPEF在FERET數(shù)據(jù)庫上的準(zhǔn)確率；
[0045