平码五不中公式规律
  • / 17
  • 下载费用:30 金币  

人脸形状的匹配方法和系统.pdf

关 键 ?#21097;?/dt>
脸形 匹配 方法 系统
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201310169188.8

申请日:

2013.05.09

公开号:

CN104143076A

公开日:

2014.11.12

当前法律状态:

授权

有效性:

有权

法?#19978;?#24773;: 授权|||实质审查的生效IPC(主分类):G06K 9/00申请日:20130509|||公开
IPC分类号: G06K9/00; G06K9/64 主分类号: G06K9/00
申请人: 腾讯科技(深圳)有限公司
发明人: 熊鹏飞
地址: 518000 广东省深圳市福田区振兴路赛格科技园2栋东403室
优?#28909;ǎ?/td>
专利代理机构: 北京三高永信知识产权代理有限责任公司 11138 代理人: 滕一斌
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201310169188.8

授权公告号:

||||||

法律状态公告日:

2016.08.03|||2015.05.06|||2014.11.12

法律状态类型:

授权|||实质审查的生效|||公开

摘要

本发明公开了一种人脸形状的匹配方法和系统,属于人脸识别技术领域。所述方法包括:获取待测试图像的样本?#27426;运?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。本发明通过实现了对人脸相似物体的检测,这种以特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021;使人脸表象更深刻。

权利要求书

权利要求书
1.  一种人脸形状的匹配方法,其特征在于,所述方法包括:
获取待测试图像的样本;
?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。

2.  根据权利要求1所述的方法,其特征在于,所述获取待测试图像的样本之前,还包括:
建立模板图像数据库,所述模板图像数据库中包括模板图像的形状特征。

3.  根据权利要求2所述的方法,其特征在于,所述建立模板图像数据库,包括:
获得不同形状的物体图像,并截取所述每个物体图像的主体部分,获得规整化的模板图像;
抽取所述每个规整化的模板图像的形状特征;
将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。

4.  根据权利要求3所述的方法,其特征在于,所述规整化的模板图像包括:宠物类图像和/或食物类图像。

5.  根据权利要求3所述的方法,其特征在于,所述抽取所述每个规整化的模板图像的形状特征,包括:
获得所述每个规整化的模板图像的主体形状;
根据所述模板图像的主体形状,抽取所述模板图像的形状特征。

6.  根据权利要求5所述的方法,其特征在于,所述获得所述每个规整化的模板图像的主体形状,包括:
当所述规整化的模板图像为宠物类图像?#20445;?#36890;过训练五官形状的主动形状模型ASM算法获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为食物类图像?#20445;?#36890;过训练snake模型算法来定位外边界形状获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为轮廓不明的图像?#20445;?#36890;过canny边缘方法检测来获得所述模板图像的边缘,再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体形状。

7.  根据权利要求5所述的方法,其特征在于,所述根据所述模板图像的主体形状,抽取所述模板图像的形状特征,包括:
?#36816;?#36848;每个模板图像的主体形状进行几?#25991;?#31946;,得到所述模板图像对应的模糊形状;
?#36816;?#36848;模板图像对应的模糊形状进行采样,获得所述模板图像的形状特征,所述模板图像的形状特征包括离散点坐标和几?#25991;?#31946;描述符。

8.  根据权利要求1所述的方法,其特征在于,所述将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,包括:
根据所述人脸的形状特征的几?#25991;?#31946;描述符和模板图像数据库中每个模板图像的几?#25991;?#31946;描述符,获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异;
根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标,获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特 征的匹配形状差异;
根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异,得到所述人脸的形状特征和所述每个模板图像的形状特征的相似度;
获取所述得到的相似度中的最大相似度值,将所述最大相似度值的对应的模板图像作为与所述人脸最近似的模板图像输出。

9.  一种人脸形状的匹配系统,其特征在于,所述系统包括:
测试样本获取模块,用于获取待测试图像的样本;
人脸形状抽取模块,用于?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
人脸形状匹配模块,用于将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。

10.  根据权利要求9所述的系统,其特征在于,所述系统还包括:
模板图像数据库建立模块,用于在所述测试样本获取模块获取待测试图像的样本之前,建立模板图像数据库,所述模板图像数据库中包括模板图像的形状特征。

11.  根据权利要求10所述的系统,其特征在于,所述模板图像数据库建立模块,包括:
规整化模板单元,用于获得不同形状的物体图像,并截取所述每个物体图像的主体部分,获得规整化的模板图像;
形状抽取单元,用于抽取所述每个规整化的模板图像的形状特征;
存储单元,用于将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。

12.  根据权利要求11所述的系统,其特征在于,所述规整化的模板图像包括:宠物类图像和/或食物类图像。

13.  根据权利要求11所述的系统,其特征在于,所述形状抽取单元,包括:
主体形状抽取子单元,用于获得所述每个规整化的模板图像的主体形状;
形状特征抽取子单元,用于根据所述模板图像的主体形状,抽取所述模板图像的形状特征。

14.  根据权利要求13所述的系统,其特征在于,所述主体形状抽取子单元具体用于:
当所述规整化的模板图像为宠物类图像?#20445;?#36890;过训练五官形状的主动形状模型ASM算法获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为食物类图像?#20445;?#36890;过训练snake模型算法来定位外边界形状获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为轮廓不明的图像?#20445;?#36890;过canny边缘检测方法来获得所述模板图像的边缘,再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体形状。

15.  根据权利要求13所述的系统,其特征在于,所述形状特征抽取子单元具体用于:
?#36816;?#36848;每个模板图像的主体形状进行几?#25991;?#31946;,得到所述模板图像对应的模糊形状;
?#36816;?#36848;模板图像对应的模糊形状进行采样,获得所述模板图像的形状特征,所述模板图像的形状特征包括离散点坐标和几?#25991;?#31946;描述符。

16.  根据权利要求9所述的系统,其特征在于,所述人脸形状匹配模块, 包括:
模糊算子差异获取单元,用于根据所述人脸的形状特征的几?#25991;?#31946;描述符和模板图像数据库中每个模板图像的几?#25991;?#31946;描述符,获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异;
匹配形状差异获取单元,用于根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标,获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差异;
相似度获取单元,用于根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异,得到所述人脸的形状特征和所述每个模板图像的形状特征的相似度;
匹配物体检索单元,用于获取所述得到的相似度中的最大相似度值,将所述最大相似度值的对应的模板图像作为与所述人脸最近似的模板图像输出。

说明书

说明书人脸形状的匹配方法和系统
技术领域
本发明涉及人脸识别技术领域,特别涉及一种人脸形状的匹配方法和系统。
背景技术
随着计算机技术的进步,人脸识别的技术也越来越成熟。目前的人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。而形状是一个物体最直接的表现方式之一。相似形状的物体在日常生活中比比皆是,人脸也常常被拿来和其他物体作比对进行描述。?#28909;?#24418;容人脸为鹅蛋脸,瓜子脸,及某人的脸和?#25345;?#23456;物狗相似等?#21462;?#20197;特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021;使人脸表象更深刻。
所以现有技术?#26800;?#32431;的对人脸进行身份鉴别的方式,已经不能满足用户的需求,怎样获取与人脸的形状特征相似的物体可能是用户更感兴趣的事情。
发明内容
为了实现根据人脸的形状特征获取与之相似的物体,本发明实施例中提供了一种人脸形状的匹配方法和系统。所述技术方案如下:
一方面,提供了一种人脸形状的匹配方法,所述方法包括:
获取待测试图像的样本;
?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。
另一方面,提供了一种人脸形状的匹配系统,所述系统包括:
测试样本获取模块,用于获取待测试图像的样本;
人脸形状抽取模块,用于?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
人脸形状匹配模块,用于将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。
本发明实施例提供的技术方案带来的有益效果是:?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,从而实现了对人脸相似物体的检测,这种以特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021;使人脸表象更深刻。
附图说明
为了更清楚地说明本发明实施例中的技术方?#31119;?#19979;面将对实施例描述?#20852;?#38656;要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是ASM迭代处理获得图像形状的示意图;
图2是Snake模?#32479;?#21462;形状的示意图;
图3是Canny模型求取图像边缘的示意图;
图4是本发明实施例一中提供的一种人脸形状的匹配方法流程图;
图5是本发明实施例二中提供的一种人脸形状的匹配方法流程图;
图6是本发明实施例二中提供的一种几?#25991;?#31946;示意图;
图7是本发明实施例二中提供的一种人脸形状抽取示意图;
图8是本发明实施例三中提供的一种人脸形状的匹配系统结构示意图;
图9是本发明实施例三中提供的另一种人脸形状的匹配系统结构示意图;
图10是本发明实施例三中提供的一种模板图像数据库建立模块结构示意 图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
ASM(Active Shape Model,主动形状模型)算法为物体形状定位的主流算法。执行过程包括:首先基于已标定好人脸形状的人脸图像,分别训练全局形状模型和局部纹理模型;其次按照以下步骤获得人脸图像的形状位置:
1)以全局形状模型的平均形状作为人脸初始形状;
2)基于局部纹理模型,在每个形状点邻域内搜索与其纹理特征最相似的候选点;
3)根据全局形状模型?#36816;?#26377;搜索到的形状点进行形状约束和校正,得到新的人脸形状点;
4)重复2)-3),直到前后两次迭代所得到的形状点之间误差小于给定阈值,则退出。如图1所示为ASM算法定位的迭代过程。
Snake模型算法基于给定的一组初始点,在迭代过程中使得整个形状的梯度最大。如图2所示为Snake模?#32479;?#21462;形状示意图:其步骤为:
1)?#25105;?#21021;始化一组形状点;
2)计算每个形状点对应图像像素点的梯度方向,并移动形状点;
3)计算整体形状能量函数,调整形状;
4)重复步骤2)-3),直到收敛到图像的形状。
Canny为一种求取图像边缘的方法。如图所示3所示Canny求取边缘的示意图,其步骤包括:
1)对图像进行高斯模糊,去除图像噪声;
2)给定4个蒙版,对应水平,垂?#20445;?#23545;角线4个方向,分别对图像进行卷积,获得图像中的较亮的点为候选边?#26723;悖?
3)跟踪边?#26723;悖?#33719;得图像形状。
实施例一
参见图4,本发明实施例中提供了一种人脸形状的匹配方法,包括:
101、获取待测试图像的样本;
本实施例中,待测试样本包括人脸图像,其中可以是?#35745;部?#20197;是视频流,?#28304;?#26412;实施例中并不做具体限定。
102、?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
103、将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。
在另一实施例中,所述获取待测试图像的样本之前,还包括:
建立模板图像数据库,所述模板图像数据库中包括模板图像的形状特征。
在另一实施例中,所述建立模板图像数据库,包括:
获得不同形状的物体图像,并截取所述每个物体图像的主体部分,获得规整化的模板图像;
抽取所述每个规整化的模板图像的形状特征;
将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。
在另一实施例中,所述规整化的模板图像包括但不限于:宠物类图像和/或食物类图像。
在另一实施例中,所述抽取所述每个规整化的模板图像的形状特征,包括:
获得所述每个规整化的模板图像的主体形状;
根据所述模板图像的主体形状,抽取所述模板图像的形状特征。
在另一实施例中,所述获得所述每个规整化的模板图像的主体形状,包括:
当所述规整化的模板图像为宠物类图像?#20445;?#36890;过训练五官形状的主动形状模型ASM算法获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为食物类图像?#20445;?#36890;过训练snake模型算法来定位外边界形状获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为轮廓不明的图像?#20445;?#36890;过canny边缘检测方法来获得所述模板图像的边缘,再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体形状。
在另一实施例中,所述根据所述模板图像的主体形状,抽取所述模板图像的形状特征,包括:
?#36816;?#36848;每个模板图像的主体形状进行几?#25991;?#31946;,得到所述模板图像对应的模糊形状;
?#36816;?#36848;模板图像对应的模糊形状进行采样,获得所述模板图像的形状特征,所述模板图像的形状特征包括离散点坐标和几?#25991;?#31946;描述符。
在另一实施例中,所述将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,包括:
根据所述人脸的形状特征的几?#25991;?#31946;描述符和模板图像数据库中每个模板图像的几?#25991;?#31946;描述符,获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异;
根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标,获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差异;
根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异,得到所述人脸的形状特征和所述每个模板图像的形状特征的相似度;
获取所述得到的相似度中的最大相似度值,将所述最大相似度值的对应的模板图像作为与所述人脸最近似的模板图像输出。
本实施例的有益效果包括:?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,从而实现了对人脸相似物体的检测,这种以特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021; 使人脸表象更深刻。
实施例二
本发明实施例中提供了一种人脸形状的匹配方法,参见图5,方法流程包括:
201、获得不同形状的物体图像,并截取所述每个物体图像的主体部分,获得规整化的模板图像。
本实施例中,建立一个不同形状物体的模板图像数据库,针对?#25105;?#20154;脸检索出数据库中与人脸的形状最相似的物体。根据形状的变化,模板图像会有很多类,如动物,食物,家具,植物等,但为了使人脸匹配效果更好,本实施例中主要集?#24418;?#20004;类:宠物类与食物类。宠物类包含不同种类的宠物,如,猫,狗,鼠等,食物类则包含日常生活中的实物?#35745;?#22914;,瓜子,鸭蛋?#21462;?#20294;具体执行过程中也不局限于这两类,?#28304;?#26412;实施例中不做具体限定。
具体执行过程中,获取不同形状的物体图像,如猫、狗、瓜子等,截取这些物体图像的主体部分,如,宠物的脸部,获得规整化的模板。优选地,获得规整化后的模板图像后,对模板图像进行光照和主题的加强,使得所有模板图像均只包含单一背景下的单一物体,并减弱背景信息。其中具体的图像处理过程与现有技术类似,?#28304;?#26412;实施例中不再赘述。
202、抽取所述每个规整化的模板图像的形状特征。
优选地,抽取所述每个规整化的模板图像的形状特征,包括:获得所述每个规整化的模板图像的主体形状;根据所述模板图像的主体形状,抽取所述模板图像的形状特征。
本实施例中,将规整化的模板图像分为三类,第一类为类人脸图像,包括较清晰的宠物图像,其具有与人脸近似的五官,这类图像的形状通过训练五官形状的ASM算法获得;第二类为具有清晰主轮廓的图像,包括形状单一的食物类,这类图像通过训练snake模型算法来定位外边界形状;第三类为轮廓不明的图像,这类图像通过canny边缘检测方法来获得整幅图像的边缘,再进一步滤除 小边缘来获得图像的主题轮廓。
所以,可选地,获得所述每个规整化的模板图像的主体形状,包括:
当所述规整化的模板图像为宠物类图像?#20445;?#36890;过训练五官形状的主动形状模型ASM算法获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为食物类图像?#20445;?#36890;过训练snake模型算法来定位外边界形状获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为轮廓不明的图像?#20445;?#36890;过canny边缘检测方法来获得所述模板图像的边缘,再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体形状。
进一步,优选地,获取到模板图像的主体形状后,根据所述模板图像的主体形状,抽取所述模板图像的形状特征,包括:
?#36816;?#36848;每个模板图像的主体形状进行几?#25991;?#31946;,得到所述模板图像对应的模糊形状;
?#36816;?#36848;模板图像对应的模糊形状进行采样,获得所述模板图像的形状特征,所述模板图像的形状特征包括离散点坐标和几?#25991;?#31946;描述符。
本实施例中,在得到人脸形状点后,对人脸的形状进行几?#25991;?#31946;,将原始形状扩展成具有冗余变化的形状,从而得到人脸的形状特征。如图6所示,形状模糊示意图,将形状做几?#25991;?#31946;。优选地,几?#25991;?#31946;过程中基于模糊点与原始形状点之间的距离来调整模糊因子。当模糊点距离原始形状点越远?#20445;?#27169;糊因子越大,即模糊越?#29616;亍?
Bx0(x)=Sa|x|+b(x0-x).---1)]]>
其中,表示x相对于x0的模糊度。对于?#25105;?#30340;点x0,模糊点可?#28304;?#22312;与该点的?#25105;?#26041;向上a|x|+b上。a与b表示该方向为经过点x的直线。在该直线上采样得到一组模糊点x',其?#26800;鉿0相对于x的模糊度即为在不同的a与b,可以得到若干组离散模糊点,及每个点相对于原始点的模糊程度。然后,针对模糊形状进行采样,得到以离散点坐标和几?#25991;?#31946;描述符表示的图像特征。
203、将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。
本实施例中,抽取到模板图像的形状特征后,将每个模板图像的形状特征与其对应的模板图像对应保存到模板图像数据库中,以便实现针对人脸形状特征的物体检索。
其中,步骤201-203为具体执行建立模板图像数据库的过程,所述模板图像数据库中包括模板图像的形状特征。?#26723;?#35828;明的是,在具体执行人脸形状匹配的过程中,如果图像模板数据库已经建立,则不需要再执行步骤201-203,?#28304;?#26412;实施例中并不做具体限定。
204、获取待测试图像的样本,?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征。
本步骤中,执行人脸形状的匹配,获取待测试图像的样本,其中,待测试图像的样本可以为?#35745;部?#20197;为摄像头采集到的视频流,?#28304;?#26412;实施例中并不做具体限定。
在获取到待测试图像的样本后,首先,对于输入图像先进行人脸检测与眼睛定位,可选地,采用adaboost和haar特征的人脸检测方法?#32431;?#33719;得图像中的人脸框位置,进一步在人脸框中定位眼睛精确位置,通过ASM算法对人脸的形状进行定位,其中人脸的形状包含但不限于:人脸轮廓,眼睛,鼻子,嘴巴等器官的边界形状点。如图7所示,通过ASM算法对人脸的形状进行定位后,获取到人脸形状点。
进一步地,根据所述人脸的形状,抽取所述人脸的形状特征,包括:对人脸的形状进行几?#25991;?#31946;,得到人脸对应的模糊形状?#27426;运?#36848;人脸对应的模糊形状进行采样,获得所述人脸的形状特征,所述人脸的形状特征包括离散点坐标和几?#25991;?#31946;描述符。
其中,具体的模糊过程与步骤201中对模板图像的模糊过程类似,?#28304;?#26412;实施例中不再赘述。
205、将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。
本步骤中,在获得人脸的形状特征之后,需要匹配该特征与图像模板中每一张图像的形状特征。以获得与人脸最相近似的物体。
优选地,将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,包括:
根据所述人脸的形状特征的几?#25991;?#31946;描述符和所述每个模板图像的几?#25991;?#31946;描述符,获得所述人脸的形状特征和模板图像数据库中每个模板图像的形状特征的模糊算子差异;
根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标,获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差异;
根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异,得到所述人脸的形状特征和所述每个模板图像的形状特征的相似度;
获取所述得到的相似度中的最大相似度值,将所述最大相似度值的对应的模板图像作为与所述人脸最近似的模板图像输出。
本实施例中,?#25105;?#20004;组特征之间的相似度Dist(x1,x2)由模糊算子差异和匹配形状差异两部分完成,如公式2)所示:
Dist(x1,x2)=wmfm(x1,x2)+wdfd(x1,x2);    2)
其中,wm和fm分别对应两组特征的几?#25991;?#31946;差异权重和差异函数,wd和fd对应特征之间的形状差异权重及差异值,wm与wd之和为1。
由于每组形状特征由形状中的离散点位置表示,对于两组形状特征,形状中的两个点坐标可以构成两组形状向量,继而确定两个特征值?#21512;?#37327;的夹角da和长度差dl,则形状特征的匹配差异为:
fd(x1,x2)=∑rda(x1,x2)+∑(1-r)dl(x1,x2);    3)
几?#25991;?#31946;算子差异由每个像素点模糊程度决定,
fm(x1,x2)=f(Bx1,Bx2);---4)]]>
本实施例中,根据人脸的形状特征的模糊算子差异和模板形状特征的模糊算子差异及匹配形状差异计算出两组形状之间的相似度Dist(x1,x2),基于两组形状之间的相似度Dist(x1,x2),获取其中的最大相似度值,检索出与输入人脸相似度最大的模板,将该模板作为输出模板图像。
本实施例的有益效果包括:?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,从而实现了对人脸相似物体的检测,这种以特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021;使人脸表象更深刻。
实施例三
参见图8,本发明实施例提供了一种人脸形状的匹配系统,包括:测试样本获取模块301,人脸形状抽取模块302和人脸形状匹配模块303。
测试样本获取模块301,用于获取待测试图像的样本;
人脸形状抽取模块302,用于?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;
人脸形状匹配模块303,用于将所述人脸的形状特征与模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像。
参见图9,在另一实施例中,所述系统还包括:
模板图像数据库建立模块304,用于在所述测试样本获取模块获取待测试图像的样本之前,建立模板图像数据库。
参见图10,在另一实施例中,所述模板图像数据库建立模块,包括:
规整化模板单元304a,用于获得不同形状的物体图像,并截取所述每个物 体图像的主体部分,获得规整化的模板图像;
形状抽取单元304b,用于抽取所述每个规整化的模板图像的形状特征;
存储单元304c,用于在所述模板图像数据库中保存所述每个规整化的模板图像对应的形状特征。
在另一实施例中,所述规整化的模板图像包括但不限于:宠物类图像和/或食物类图像。
参见图10,在另一实施例中,所述形状抽取单元304b,包括:
主体形状抽取子单元304b1,用于获得所述每个规整化的模板图像的主体形状;
形状特征抽取子单元304b2,用于根据所述模板图像的主体形状,抽取所述模板图像的形状特征。
在另一实施例中,所述主体形状抽取子单元304b1具体用于:
当所述规整化的模板图像为宠物类图像?#20445;?#36890;过训练五官形状的主动形状模型ASM算法获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为食物类图像?#20445;?#36890;过训练snake模型算法来定位外边界形状获得所述规整化的模板图像的主体形状;
当所述规整化的模板图像为轮廓不明的图像?#20445;?#36890;过canny边缘检测方法来获得所述模板图像的边缘,再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体形状。
在另一实施例中,所述形状特征抽取子单元304b2具体用于:
?#36816;?#36848;每个模板图像的主体形状进行几?#25991;?#31946;,得到所述模板图像对应的模糊形状;
?#36816;?#36848;模板图像对应的模糊形状进行采样,获得所述模板图像的形状特征,所述模板图像的形状特征包括离散点坐标和几?#25991;?#31946;描述符。
参见图9,在另一实施例中,所述人脸形状匹配模块303,包括:
模糊算子差异获取单元303a,用于根据所述人脸的形状特征的几?#25991;?#31946;描 述符和模板图像数据库中每个模板图像的几?#25991;?#31946;描述符,获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异;
匹配形状差异获取单元303b,用于根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标,获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差异;
相似度获取单元303c,用于根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异,得到所述人脸的形状特征和所述每个模板图像的形状特征的相似度;
匹配物体检索单元303d,用于获取所述得到的相似度中的最大相似度值,将所述最大相似度值的对应的模板图像作为与所述人脸最近似的模板图像输出。
本实施例的有益效果包括:?#36816;?#36848;图像的样本进行人脸检测,获得所述人脸的形状特征;将所述人脸的形状特征与所述模板图像数据库?#20852;?#26377;模板图像的形状特征逐一进行匹配,得到与所述人脸最近似的模板图像,从而实现了对人脸相似物体的检测,这种以特定物体描述人脸不仅能增加趣味性,而?#19968;?#33021;使人脸表象更深刻。
需要说明的是:上述实施例提供的人脸形状的匹配系统,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将系统的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
另外,上述实施例提供的人脸形状的匹配系统与人脸形状的匹配方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过 ?#24067;?#26469;完成,?#37096;?#20197;通过程序来指令相关的?#24067;?#23436;成,所述的程序可?#28304;?#20648;于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘?#21462;?
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

关于本文
本文标题:人脸形状的匹配方法和系统.pdf
链接地址:http://www.pqiex.tw/p-6124651.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 怎么炒股票 中彩网大乐透走势图表 安徽11选5玩法胆拖 手机股票 广东十一选五预测 ewin棋牌害死了我 快乐888电台 天天手机棋牌游戏官网 甘肃十一选五走势图手机版 彩票中奖