一種基于SIFT特征的眉毛識別方法技術

本發明專利技術的基于SIFT特征的眉毛識別方法，包括：a).采集人臉照片；b).選取眉毛區域；c).將眉毛區域劃分為個子區域；d).獲取子區域的SIFT特征矩陣；e).獲取兩照片眉毛區域的SIFT特征矩陣和；并計算對應個子區域的相似度；f).統計是與不是同一個人眉毛的概率分布；g).依據貝葉斯公式獲取，以判斷兩對比圖像是否出自同一個人。本發明專利技術的眉毛識別方法，具有對圖像的旋轉、尺度變化保持不變的特性。使用SIFT特征進行眉毛識別，可有效地降低光照、姿態變化的影響，且不需要人工參與。

【技術實現步驟摘要】

本專利技術涉及一種基于SIFT特征的眉毛識別方法，涉及數字圖像處理應用領域。
技術介紹
眉毛是人臉識別中重要的特征，相比于人臉其它特征，具有更好的穩定性和差異性，但通常受到光照、姿態等因素的影響。專利《基于眉毛識別的身份鑒別方法》(公開號1645406)使用眉毛各個像素的RGB顏色分量差為識別依據。該方法受光照及姿態的影響較大，特別是側光條件下，識別效果較差。 專利《基于子區域匹配的眉毛圖像識別方法》(公開號101901353A)手工選取每個用戶的純眉毛圖像，作為每個用戶的模板，使用待識別眉毛圖像依次與已保存的眉毛模板進行卷積運算，得到相似度后進行識別。該方法雖然可以降低光照以及姿態的部分影響，但手工選取純眉毛圖像的過程極為復雜繁瑣。
技術實現思路
本專利技術為了克服上述技術問題的缺點，提供了一種可有效降低光照、姿態變化影響的基于SIFT特征的眉毛識別方法。本專利技術的基于SIFT特征的眉毛識別方法，其特別之處在于，包括以下步驟a).采集人臉照片，編制容量為I =馬+夂2+…+&Γ的人臉照片庫，其中N是人臉庫中人的數目，Xi表示第I個人在不同拍攝條件下的人臉照片，其中0<ι彡N;b).選取眉毛區域2，選取人臉照片f的眉毛區域2，利用其作為人臉照片相似度計算的區域；c).劃分子區域，將眉毛區域j劃分為If個子區域，子區域用為表示；不同子區域之間的交集可以為空，也可以不為空；為標示4區域的第！個子區域，O < j ^ Μ ；d).獲取SIFT特征矩陣，利用SIFT算法獲取眉毛區域A的M個子區域的SIFT特征矩陣w) , 表示區域A的第〗個子區域提取的特征點數目-表示SIFT特征矩陣的維數；為(m』，w)表示行數為I 』、列數為的矩陣；e).計算兩張人臉照片的相似度，對于兩張人臉照片P1和P2，均按照步驟b)、c)和d)分別獲取SIFT特征矩陣w)和w);計算對應子區域的矩陣碼(mj，w)與32/^』，w)任意兩行之間的相似度，將所有的相似度值構成矩陣CjCmf η；)，并定義Sj = Max (Cj) , Sj表示照片ρι與ρ2對應第j個子區域的相似度，其大小取矩陣Cpnf η；)中所有元素的最大值；f).統計相似度的概率分布，以兩兩照片眉毛區域j的子區域的相似度為樣本，統計眉毛各個子區域的相似度A在是同一個人眉毛和不是同一個人眉毛時的概率分布；g).計算兩對比圖像眉毛區域的相似概率POame),按照步驟b)、c)、d)和e)計算出兩待對比圖像的M個子區域的相似度^、S1、…、& ,通過步驟f中的概率分布獲取P(Sjjsame)和)，-P(^Isame)表示對應第j個子區域是同一個人的眉毛時，相似度為Si的概率值；β(^| )表示對應第j個子區域不是同一個人的眉毛時，相似度為3的概率值，O;依據貝葉斯公式得到在各個相似度下，兩對比圖像為同一個人眉毛的概率P(same) = CjP(S1Jsame) xP(S2 |same)x ■ ■ ■ x P(Sjjsame))/ Cets1Idff) Xgts2 |dff) X... X ecsjdff)); 根據獲取的兩對比圖像為同一個人眉毛的概率值，即可判斷兩對比圖像是否出自同一個人。步驟e)中，對應子區域應是兩圖像的眉毛區域按照相同的子區域劃分方法，所獲取的相對應的部分，只有相對應的部分才具有計算相似度的意義和必要。該步驟中，由于A = (cP ,計算w〕與』2j(nf W)任意兩行之間的相似度獲取的矩陣Cfjnj, nj)中，無論元素怎樣排列，都不會影響相似度數值的大小。步驟f)中，以相似度為樣本來獲取$在是同一個人眉毛和不是同一個人眉毛時的概率分布；這樣，在步驟g)中，通過步驟f)中獲取的概率分布函數即可計算出巧#■)和0內|·)的數值。步驟g)中可設定閥值，當獲取的兩對比圖像為同一個人眉毛的相似概率值大于設定閥值時，認為兩圖像出自同一人；如果小于設定閥值時，認為兩圖像不是同一人的圖像。本專利技術的基于SIFT特征的眉毛識別方法，步驟b)中選取的眉毛區域2為左眉毛區域、右眉毛區域或全部眉毛區域，設選取的眉毛區域J的寬度、高度分別為B7、Zf，其包括以下步驟b-l).定位瞳孔位置，采用瞳孔定位方法定位人臉照片『的瞳孔位置，以兩瞳孔之間的連線為X軸建立平面直角坐標系，設左、右瞳孔的坐標分別為jl)、S2(x2’ y2)；b-2).求取瞳孔間距，根據公式d = Λ求取兩瞳孔之間的距離山-3).若區域J為左眉毛區域時，則選取的眉毛區域』的寬度 Τ = mxd ,高度/f = nxd , ^區域中心點坐標為O〗，.vl + qxd);若區域』力右眉毛區域時，則選取的眉毛區域j的寬度iT = m xd,高度Zf = Ii xd, 2區域中心點坐標為02，j2 + qxd);若區域J為全部眉毛區域時，則選取的眉毛區域2的寬度W = pxd，高度/f = nxd, J區域中心點坐標為(xl + d/2,(yI + y2)/2 + qxd);其中，《、n、P、分均為常數。其中，w=0.625、B =0.391、P =1·563、* =0.281。本專利技術的基于SIFT特征的眉毛識別方法，所述步驟e)中對應子區域的矩陣ZljGnf w)與22/4 w)任意兩行之間相似度的計算方法為歐式距離、馬氏距離或向量內積算法。歐式距離、馬氏距離或向量內積均為現有 計算相似度的方法。本專利技術的基于SIFT特征的眉毛識別方法，步驟f)中統計相似度的概率分布為離散模型或連續模型；在為離散模型的情形下，通過統計各個相似度值落在各數值區間的概率值來獲得；在為連續模型的情形下，使用混合高斯概率建模，擬合形成概率密度函數。本專利技術的基于SIFT特征的眉毛識別方法，所述步驟a)中容量X =2000 IT =200,Xi =10 ;所述不同拍攝條件是指不同姿態、不同光照。本專利技術的有益效果是本專利技術的基于SIFT特征的眉毛識別方法，首先建立若干人不同拍攝條件下的人臉照片庫，將眉毛區域劃分成子區域并采用SIFT特征矩陣計算兩兩照片子區域的相似度，再以相似度為樣本建立是同一個人眉毛和不是同一個人眉毛時的概率分布；最后，依據貝葉斯公式可得到兩對比圖像為同一個人眉毛的概率，通過概率大小即可判斷兩圖像是否出自同一人。尺度不變特征變換SIFT算法，適用于剛性物體的特征描述和特征匹配中，具有對 圖像的旋轉、尺度變化保持不變的特性。使用SIFT特征進行眉毛識別，可有效地降低光照、姿態變化的影響，且不需要人工參與。附圖說明圖1為眉毛各子區域的相似度S在是同一個人眉毛時的概率分布； 圖2為眉毛各子區域的相似度g在不是同一個人眉毛時的概率分布。具體實施例方式下面結合附圖與實施例對本專利技術作進一步說明。本專利技術的基于SIFT特征的眉毛識別方法，包括以下步驟 a)·米集人臉照片，編制各量為I = + ^2 +' " + 的人臉照片庫，其中N是人臉庫中人的數目，Xi表示第t個人在不同拍攝條件下的人臉照片，其中O SiT 該步驟a)中容量X可以選取為2000 IT =200，Xi =10 ;所述的不同拍攝條件是指不同姿態、不同光照； b).選取眉毛區域3，選取人臉照片r的眉毛區域2，利用其作為人臉照片相似度計算的區本文檔來自技高網...

【技術保護點】
一種基于SIFT特征的眉毛識別方法，其特征在于，包括以下步驟：a).采集人臉照片，編制容量為???????????????????????????????????????????????的人臉照片庫，其中是人臉庫中人的數目，表示第個人在不同拍攝條件下的人臉照片，其中0＜≤；b).選取眉毛區域，選取人臉照片的眉毛區域，利用其作為人臉照片相似度計算的區域；c).劃分子區域，將眉毛區域劃分為個子區域，子區域用表示；不同子區域之間的交集可以為空，也可以不為空；標示區域的第個子區域，0＜≤；d).獲取SIFT特征矩陣，利用SIFT算法獲取眉毛區域的個子區域的SIFT特征矩陣，表示區域A的第個子區域提取的特征點數目，表示SIFT特征矩陣的維數；表示行數為、列數為的矩陣；e).計算兩張人臉照片的相似度，對于兩張人臉照片和，均按照步驟b)、c)和d)分別獲取SIFT特征矩陣和；計算對應子區域的矩陣與任意兩行之間的相似度，將所有的相似度值構成矩陣，并定義，表示照片與對應第j個子區域的相似度，其大小取矩陣中所有元素的最大值；f).統計相似度的概率分布，以兩兩照片眉毛區域的子區域的相似度為樣本，統計眉毛各個子區域的相似度在是同一個人眉毛和不是同一個人眉毛時的概率分布；g).計算兩對比圖像眉毛區域的相似概率，按照步驟b)、c)、d)和e)計算出兩待對比圖像的個子區域的相似度、、…、，通過步驟f中的概率分布獲取和，表示對應第個子區域是同一個人的眉毛時，相似度為的概率值；表示對應第個子區域不是同一個人的眉毛時，相似度為的概率值，0＜≤；依據貝葉斯公式得到在各個相似度下，兩對比圖像為同一個人眉毛的概率：???????；根據獲取的兩對比圖像為同一個人眉毛的概率值，即可判斷兩對比圖像是否出自同一個人。201310003415X100001dest_path_image002.jpg,201310003415X100001dest_path_image004.jpg,201310003415X100001dest_path_image006.jpg,201310003415X100001dest_path_image008.jpg,407197dest_path_image008.jpg,808222dest_path_image004.jpg,201310003415X100001dest_path_image010.jpg,201310003415X100001dest_path_image012.jpg,467130dest_path_image010.jpg,965107dest_path_image010.jpg,201310003415X100001dest_path_image014.jpg,201310003415X100001dest_path_image016.jpg,782760dest_path_image016.jpg,936660dest_path_image010.jpg,201310003415X100001dest_path_image018.jpg,756849dest_path_image018.jpg,47016dest_path_image014.jpg,723985dest_path_image010.jpg,161919dest_path_image014.jpg,201310003415X100001dest_path_image020.jpg,201310003415X100001dest_path_image022.jpg,162630dest_path_image018.jpg,201310003415X100001dest_path_image024.jpg,307303dest_path_image020.jpg,732337dest_path_image022.jpg,657568dest_path_image024.jpg,201310003415X100001dest_path_image026.jpg,201310003415X100001dest_path_image028.jpg,201310003415X100001dest_path_image030.jpg,201310003415X100001dest_path_image032.jpg,196390dest_path_image030.jpg,452360dest_path_image032.jpg,201310003415X100001...

【技術特征摘要】

【專利技術屬性】
技術研發人員：曹杰，許野平，方亮，劉辰飛，張傳峰，
申請(專利權)人：山東神思電子技術股份有限公司，
類型：發明
國別省市：