人臉圖像的屬性信息識別方法和裝置制造方法及圖紙

本發明專利技術公開了一種人臉圖像的屬性信息識別方法和裝置，通過核函數來表示降維函數中給隱變量賦予的先驗信息，使得該先驗信息可以表達非線性的人臉識別問題，從而可以將原有的、僅能解決線性問題的基于高斯過程和隱變量的降維方法應用于解決非線性的人臉識別問題，通過最優化降維目標函數，求取核函數即可實現降維。使得獲取的低維度特征向量具有較好的泛化能力，能夠有效表現不同個體的共有模式外，還可以盡可能多的保留不同個體的差異性。由此，基于相應的降維方法來訓練屬性識別函數和對待估計人臉圖像進行降維，提高人臉圖像屬性識別的準確性。

【技術實現步驟摘要】
人臉圖像的屬性信息識別方法和裝置
本專利技術涉及模式識別領域，具體涉及一種人臉圖像的屬性信息識別方法和裝置。
技術介紹
人臉識別是目前計算機視覺領域的研究熱點。人臉識別一般被描述為：給定由靜態圖像或者動態視頻組成的場景，利用已有的已知人臉數據庫，確定場景中一個或多個人物的屬性(例如性別、年齡等)。一般而言，從人臉圖像中提取的原始數據維度數較高，且其特征空間為稀疏的，存在大量無用的特征，因此，需要對人臉圖像進行低維度特征提取，也即降維。通過降維，不僅可以將有用的特征信息進行壓縮，從而方便后續的識別，而且還能夠容忍人臉圖像中的變化和噪聲，優化后續的識別過程。綜上所述,人臉識別以歸結為人物的屬性信息與對應于具有相同身份或屬性不同個體的人臉圖像之間的關系。考慮到人臉圖像所表現出來的信息受很多因素(基因、生活習慣、場景等)的影響，具有相同屬性的不同個體的年齡特征也存在很大的差別。因此，如何有效提取人臉圖像的低維度特征并進行屬性信息識別，是改進人臉識別技術的關鍵。
技術實現思路
有鑒于此，本專利技術提供一種人臉圖像的低維度特征提取方法和裝置，以有效提高人臉圖像的屬性識別的準確性。第一方面，提供一種人臉圖像的屬性識別方法，包括：對所有按屬性信息預分類的樣本人臉圖像進行預處理獲取對應的歸一化樣本圖像；提取所述歸一化樣本圖像的高維度特征向量；根據所有所述歸一化樣本圖像的高維度特征向量獲得樣本矩陣；根據降維目標函數獲取所述樣本矩陣對應的低維度特征矩陣和降維映射矩陣，所述低維度特征矩陣和所述降維映射矩陣使得所述降維目標函數最小化；根據所述低維度特征矩陣及對應的屬性信息訓練屬性識別函數；根據所述降維映射矩陣提取待估計人臉圖像的低維度特征；根據所述待估計人臉圖像的低維度特征和所述屬性識別函數估計所述待估計人臉圖像屬性信息；其中，所述降維目標函數以所述樣本矩陣的類間方差的逆與所述樣本矩陣的類內方差的乘積的跡的最大值作為給隱變量賦予的先驗信息，其中，所述最大值為以低維度特征為隱變量的核函數矩陣的函數。第二方面，提供一種人臉圖像的屬性信息識別裝置，包括：歸一化單元，用于對所有按屬性信息預分類的樣本人臉圖像進行預處理獲取對應的歸一化樣本圖像；高維度特征提取單元，用于提取所述歸一化樣本圖像的高維度特征向量；矩陣獲取單元，用于根據所有所述歸一化樣本圖像的高維度特征向量獲得樣本矩陣；降維訓練單元，用于根據降維目標函數獲取所述樣本矩陣對應的低維度特征矩陣和降維映射矩陣，所述低維度特征矩陣和所述降維映射矩陣使得所述降維目標函數最小化；識別訓練單元，用于根據所述低維度特征矩陣及對應的屬性信息訓練屬性識別函數；低維度特征提取單元，用于根據所述降維映射矩陣提取待估計人臉圖像的低維度特征；識別單元，根據所述待估計人臉圖像的低維度特征和所述屬性識別函數估計所述待估計人臉圖像屬性信息；其中，所述降維目標函數以所述樣本矩陣的類間方差的逆與所述樣本矩陣的類內方差的乘積的跡的最大值作為給隱變量賦予的先驗信息，其中，所述最大值為以低維度特征為隱變量的核函數矩陣的函數。本實施例通過核函數來表示降維目標函數中給隱變量賦予的先驗信息，使得該先驗信息可以表達非線性的人臉識別問題，從而可以將原有的、僅能解決線性問題的基于高斯過程和隱變量的降維方法應用于解決非線性的人臉識別問題。由此，基于相應的降維方法來訓練屬性識別函數和對待估計人臉圖像進行降維，有效提高人臉圖像屬性識別的準確性，以便準確判斷年齡等人臉屬性信息。附圖說明通過以下參照附圖對本專利技術實施例的描述，本專利技術的上述以及其它目的、特征和優點將更為清楚，在附圖中：圖1是可由本專利技術實施例使用的典型數據處理系統的示例；圖2是本專利技術實施例的人臉圖像的屬性識別方法的流程圖；圖3是本專利技術實施例的人臉圖像的低維度特征提取裝置的框圖。具體實施方式以下基于實施例對本專利技術進行描述，但是本專利技術并不僅僅限于這些實施例。在下文對本專利技術的細節描述中，詳盡描述了一些特定的細節部分。對本領域技術人員來說沒有這些細節部分的描述也可以完全理解本專利技術。為了避免混淆本專利技術的實質，公知的方法、過程、流程、元件和電路并沒有詳細敘述。圖1為可以由本專利技術實施例使用的典型數據處理系統的示例。本領域技術人員可以理解，圖1闡釋了數據處理系統的多個組件，并不意味著代表組件連接的任何特定架構和方式。還應當知道具有較少組件或者可能具有較多組件的網絡計算機和其它數據處理系統也可以用于實施本專利技術。如圖1所示，數據處理系統10可以包括總線11。處理器12、易失性存儲器13以及非易失性存儲器14和/或海量存儲器15均連接到總線11，通過總線11進行數據交換和通信。微處理器12可以是獨立的處理器，也可以是一個或者多個處理器集合。總線11將上述多個組件連接在一起，同時將上述組件連接到顯示控制器16和顯示裝置以及輸入/輸出(I/0)裝置17。輸入/輸出(I/0)裝置17至少包括以無線/有線方式收發網絡數據網絡接口，其還可以包括鼠標、鍵盤、調制解調器、觸控輸入裝置、體感輸入裝置、打印機以及本領域公知的其他裝置。典型地，輸入/輸出裝置17通過輸入/輸出控制器18與系統相連。計算機系統10中的易失性存儲器13在本專利技術實施例中也稱為內存，其具有數據讀寫速度快的特點，具體地，易失性存儲器13可由動態隨機讀寫存儲器(DRAM)實現，動態隨機讀寫存儲器需要持續供電以更新或者維持存儲器中的數據。在本專利技術實施例中，在內存13中設置有存儲區域作為緩存區域對數據進行緩存。通常而言，非易失性存儲器14是指當電流關掉后，所存儲的數據不會消失的存儲器，其可以包括例如只讀存儲器(ROM)和閃存(FlashMemory)。非易失性存儲器典型地用于存儲系統啟動的必要程序或其他程序。通常而言，海量存儲器15可以是磁性硬盤驅動器或者磁性光學驅動器或者可以存儲大量數據的存儲器系統的其他類型，在某些情況下，海量存儲器15也可以利用具有較大數據容量的閃存替代，海量存儲器15可以在系統切斷電源之后還保持大量數據。盡管圖1所示的海量存儲器15是與數據處理系統的其它組件直接連接的本地設備，本領域技術人員應當知道本專利技術可以使用遠程海量存儲器，例如與數據處理系統通過網絡接口相連的網絡存儲裝置，該網絡接口例如為調制解調器或者以太網接口。總線11可以包括通過多個本領域公知的橋連接器、控制器和/或適配器，相互連接的一條或者多條總線。在實施例中I/0控制器18包括用于控制USB外圍設備的USB(通用串行總線)適配器、用于IEEE1394外圍設備的IEEE1394控制器或者用于控制藍牙外圍設備的藍牙控制器，以及適用于其它外圍設備接口標準的外圍設備控制器。以上描述了可以由本專利技術實施例使用的典型數據處理系統的示例，本領域技術人員可以理解，上述數據處理系統可以以上述架構形成為移動電話、平板電腦、便攜計算機、超級本計算機、臺式計算機等不同的形式。本領域技術人員可以理解，本專利技術的一些實施例可以全部或至少部分以計算機程序實現。也就是說，本專利技術的實施例可以在計算機系統10或者其他數據處理系統中以例如微處理器的處理器執行包含在存儲器中的指令序列來實現。所述存儲器可以是易失性存儲器或者遠程存儲裝置。在多個實施例中，硬件電路可以與軟件指令結合應用，以實現本專利技術實施例。如此，該本文檔來自技高網...

【技術保護點】
一種人臉圖像的屬性識別方法，包括：對所有按屬性信息預分類的樣本人臉圖像進行預處理獲取對應的歸一化樣本圖像；提取所述歸一化樣本圖像的高維度特征向量；根據所有所述歸一化樣本圖像的高維度特征向量獲得樣本矩陣；根據降維目標函數獲取所述樣本矩陣對應的低維度特征矩陣和降維映射矩陣，所述低維度特征矩陣和所述降維映射矩陣使得所述降維目標函數最小化；根據所述低維度特征矩陣及對應的屬性信息訓練屬性識別函數；根據所述降維映射矩陣提取待估計人臉圖像的低維度特征；根據所述待估計人臉圖像的低維度特征和所述屬性識別函數估計所述待估計人臉圖像屬性信息；其中，所述降維目標函數以所述樣本矩陣的類間方差的逆與所述樣本矩陣的類內方差的乘積的跡的最大值作為給隱變量賦予的先驗信息，其中，所述最大值為以低維度特征為隱變量的核函數矩陣的函數。

【技術特征摘要】
1.一種人臉圖像的屬性識別方法，包括：對所有按屬性信息預分類的樣本人臉圖像進行預處理獲取對應的歸一化樣本圖像；提取所述歸一化樣本圖像的高維度特征向量；根據所有所述歸一化樣本圖像的高維度特征向量獲得樣本矩陣；根據降維目標函數獲取所述樣本矩陣對應的低維度特征矩陣和降維映射矩陣，所述低維度特征矩陣和所述降維映射矩陣使得所述降維目標函數最小化；根據所述低維度特征矩陣及對應的屬性信息訓練屬性識別函數；根據所述降維映射矩陣提取待估計人臉圖像的低維度特征；根據所述待估計人臉圖像的低維度特征和所述屬性識別函數估計所述待估計人臉圖像屬性信息；其中，所述降維目標函數以所述樣本矩陣的類間方差的逆與所述樣本矩陣的類內方差的乘積的跡的最大值作為給隱變量賦予的先驗信息，其中，所述最大值為以低維度特征為隱變量的核函數矩陣的函數。2.根據權利要求1所述的方法，其特征在于，所述降維目標函數為：其中，Lr為基于核函數的樣本矩陣以所述低維度特征矩陣和降維映射矩陣為條件的后驗概率的對數；σ2表示先驗分布的尺度因子；J*為樣本矩陣類間方差的逆與樣本矩陣類內方差乘積的跡的最大值；為Lr和J*中的核函數的所有超參數的和。3.根據權利要求2所述的方法，其特征在于，所述樣本矩陣類間方差的逆與樣本矩陣類內方差乘積的跡的最大值為：其中，λ為預定值；In表示n×n的單位矩陣，1n表示元素為1長度為n的列向量；c代表類別，nc是第c類樣本數；G為核函數矩陣，(G)i,j＝k(zi,zj)為核函數，zi和zj為低維度特征對應的隱變量，為(G)i,j的超參數，d為預設的低維度特征向量的維數。4.根據權利要求3所述的方法，其特征在于，所述核函數為其中，m為所述核函數的臨時變量，m的下界為1，m的上界為d，和為維數m下低維度特征對應的隱變量；為所述核函數的超參數，為誤差項函數，滿足5.根據權利要求1所述的方法，其特征在于，所述提取所述歸一化樣本圖像的高維度特征向量包括：將歸一化樣本圖像劃分為預定大小且相距預定步長的重疊塊；提取每個所述重疊塊的雙直方圖局部二值模式特征；將所有重疊塊的雙直方圖局部二值模式特征串聯得到所述高維度特征向量。6.一種人臉圖像的屬性信息識別裝置，包括：歸一化單元，用于對所有按屬性信息...

【專利技術屬性】
技術研發人員：黃磊，蔡利君，劉昌平，
申請(專利權)人：漢王科技股份有限公司，
類型：發明
國別省市：北京;11