CN102999751A - 一种基于sift特征的眉毛识别方法 - Google Patents
一种基于sift特征的眉毛识别方法 Download PDFInfo
- Publication number
- CN102999751A CN102999751A CN201310003415XA CN201310003415A CN102999751A CN 102999751 A CN102999751 A CN 102999751A CN 201310003415X A CN201310003415X A CN 201310003415XA CN 201310003415 A CN201310003415 A CN 201310003415A CN 102999751 A CN102999751 A CN 102999751A
- Authority
- CN
- China
- Prior art keywords
- eyebrow
- zone
- similarity
- sift
- same person
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明涉及一种基于SIFT特征的眉毛识别方法,涉及数字图像处理应用领域。
背景技术
眉毛是人脸识别中重要的特征,相比于人脸其它特征,具有更好的稳定性和差异性,但通常受到光照、姿态等因素的影响。
专利《基于眉毛识别的身份鉴别方法》(公开号:1645406)使用眉毛各个像素的RGB颜色分量差为识别依据。该方法受光照及姿态的影响较大,特别是侧光条件下,识别效果较差。
专利《基于子区域匹配的眉毛图像识别方法》(公开号:101901353A)手工选取每个用户的纯眉毛图像,作为每个用户的模板,使用待识别眉毛图像依次与已保存的眉毛模板进行卷积运算,得到相似度后进行识别。该方法虽然可以降低光照以及姿态的部分影响,但手工选取纯眉毛图像的过程极为复杂繁琐。
发明内容
本发明为了克服上述技术问题的缺点,提供了一种可有效降低光照、姿态变化影响的基于SIFT特征的眉毛识别方法。
本发明的基于SIFT特征的眉毛识别方法,其特别之处在于,包括以下步骤:a).采集人脸照片,编制容量为 的人脸照片库,其中是人脸库中人的数目,表示第个人在不同拍摄条件下的人脸照片,其中0<≤;b).选取眉毛区域,选取人脸照片的眉毛区域,利用其作为人脸照片相似度计算的区域;c).划分子区域,将眉毛区域划分为个子区域,子区域用表示;不同子区域之间的交集可以为空,也可以不为空;标示区域的第个子区域,0<≤;d).获取SIFT特征矩阵,利用SIFT算法获取眉毛区域的个子区域的SIFT特征矩阵,表示区域A的第个子区域提取的特征点数目,表示SIFT特征矩阵的维数;表示行数为、列数为的矩阵;e).计算两张人脸照片的相似度,对于两张人脸照片和,均按照步骤b)、c)和d)分别获取SIFT特征矩阵和;计算对应子区域的矩阵与任意两行之间的相似度,将所有的相似度值构成矩阵,并定义,表示照片与对应第j个子区域的相似度,其大小取矩阵中所有元素的最大值;f).统计相似度的概率分布,以两两照片眉毛区域的子区域的相似度为样本,统计眉毛各个子区域的相似度在是同一个人眉毛和不是同一个人眉毛时的概率分布;g).计算两对比图像眉毛区域的相似概率,按照步骤b)、c)、d)和e)计算出两待对比图像的个子区域的相似度、、…、,通过步骤f中的概率分布获取和,表示对应第个子区域是同一个人的眉毛时,相似度为的概率值;表示对应第个子区域不是同一个人的眉毛时,相似度为的概率值,0<≤;依据贝叶斯公式得到在各个相似度下,两对比图像为同一个人眉毛的概率:
根据获取的两对比图像为同一个人眉毛的概率值,即可判断两对比图像是否出自同一个人。
步骤e)中,对应子区域应是两图像的眉毛区域按照相同的子区域划分方法,所获取的相对应的部分,只有相对应的部分才具有计算相似度的意义和必要。该步骤中,由于,计算与任意两行之间的相似度获取的矩阵中,无论元素怎样排列,都不会影响相似度数值的大小。步骤f)中,以相似度为样本来获取在是同一个人眉毛和不是同一个人眉毛时的概率分布;这样,在步骤g)中,通过步骤f)中获取的概率分布函数即可计算出和的数值。步骤g)中可设定阀值,当获取的两对比图像为同一个人眉毛的相似概率值大于设定阀值时,认为两图像出自同一人;如果小于设定阀值时,认为两图像不是同一人的图像。
本发明的基于SIFT特征的眉毛识别方法,步骤b)中选取的眉毛区域为左眉毛区域、右眉毛区域或全部眉毛区域,设选取的眉毛区域的宽度、高度分别为、,其包括以下步骤:b-1).定位瞳孔位置,采用瞳孔定位方法定位人脸照片的瞳孔位置,以两瞳孔之间的连线为轴建立平面直角坐标系,设左、右瞳孔的坐标分别为、;b-2).求取瞳孔间距,根据公式,求取两瞳孔之间的距离;b-3).若区域为左眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为右眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为全部眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;其中,、、、均为常数。
本发明的基于SIFT特征的眉毛识别方法,步骤f)中统计相似度的概率分布为离散模型或连续模型;在为离散模型的情形下,通过统计各个相似度值落在各数值区间的概率值来获得;在为连续模型的情形下,使用混合高斯概率建模,拟合形成概率密度函数。
本发明的有益效果是:本发明的基于SIFT特征的眉毛识别方法,首先建立若干人不同拍摄条件下的人脸照片库,将眉毛区域划分成子区域并采用SIFT特征矩阵计算两两照片子区域的相似度,再以相似度为样本建立是同一个人眉毛和不是同一个人眉毛时的概率分布;最后,依据贝叶斯公式可得到两对比图像为同一个人眉毛的概率,通过概率大小即可判断两图像是否出自同一人。
尺度不变特征变换SIFT算法,适用于刚性物体的特征描述和特征匹配中,具有对图像的旋转、尺度变化保持不变的特性。使用SIFT特征进行眉毛识别,可有效地降低光照、姿态变化的影响,且不需要人工参与。
附图说明
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
本发明的基于SIFT特征的眉毛识别方法,包括以下步骤:
b-3).若区域为左眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为右眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为全部眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;
e).计算两张人脸照片的相似度,对于两张人脸照片和,均按照步骤b)、c)和d)分别获取SIFT特征矩阵和;计算对应子区域的矩阵与任意两行之间的相似度,将所有的相似度值构成矩阵,并定义,表示照片与对应第j个子区域的相似度,其大小取矩阵中所有元素的最大值;
f).统计相似度的概率分布,以两两照片眉毛区域的子区域的相似度为样本,统计眉毛各个子区域的相似度在是同一个人眉毛和不是同一个人眉毛时的概率分布;
该步骤f)中,统计相似度的概率分布为离散模型或连续模型;在为离散模型的情形下,通过统计各个相似度值落在各数值区间的概率值来获得;在为连续模型的情形下,使用混合高斯概率建模,拟合形成概率密度函数;如图1和图2所示,分别给出了相似度在是同一个人眉毛和不是同一个人眉毛时的概率分布拟合形成概率密度函数图像;
g).计算两对比图像眉毛区域的相似概率,按照步骤b)、c)、d)和e)计算出两待对比图像的个子区域的相似度、、…、,通过步骤f中的概率分布获取和,表示对应第个子区域是同一个人的眉毛时,相似度为的概率值;表示对应第个子区域不是同一个人的眉毛时,相似度为的概率值,0<≤;依据贝叶斯公式得到在各个相似度下,两对比图像为同一个人眉毛的概率:
根据获取的两对比图像为同一个人眉毛的概率值,即可判断两对比图像是否出自同一个人。
Claims (6)
1.一种基于SIFT特征的眉毛识别方法,其特征在于,包括以下步骤:
e).计算两张人脸照片的相似度,对于两张人脸照片和,均按照步骤b)、c)和d)分别获取SIFT特征矩阵和;计算对应子区域的矩阵与任意两行之间的相似度,将所有的相似度值构成矩阵,并定义,表示照片与对应第j个子区域的相似度,其大小取矩阵中所有元素的最大值;
g).计算两对比图像眉毛区域的相似概率,按照步骤b)、c)、d)和e)计算出两待对比图像的个子区域的相似度、、…、,通过步骤f中的概率分布获取和,表示对应第个子区域是同一个人的眉毛时,相似度为的概率值;表示对应第个子区域不是同一个人的眉毛时,相似度为的概率值,0<≤;依据贝叶斯公式得到在各个相似度下,两对比图像为同一个人眉毛的概率:
根据获取的两对比图像为同一个人眉毛的概率值,即可判断两对比图像是否出自同一个人。
b-3).若区域为左眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为右眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;若区域为全部眉毛区域时,则选取的眉毛区域的宽度,高度,区域中心点坐标为;
5.根据权利要求1或2所述的基于SIFT特征的眉毛识别方法,其特征在于:步骤f)中统计相似度的概率分布为离散模型或连续模型;在为离散模型的情形下,通过统计各个相似度值落在各数值区间的概率值来获得;在为连续模型的情形下,使用混合高斯概率建模,拟合形成概率密度函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310003415XA CN102999751A (zh) | 2013-01-06 | 2013-01-06 | 一种基于sift特征的眉毛识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310003415XA CN102999751A (zh) | 2013-01-06 | 2013-01-06 | 一种基于sift特征的眉毛识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102999751A true CN102999751A (zh) | 2013-03-27 |
Family
ID=47928300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310003415XA Pending CN102999751A (zh) | 2013-01-06 | 2013-01-06 | 一种基于sift特征的眉毛识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102999751A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898704A (zh) * | 2015-03-12 | 2015-09-09 | 哈尔滨理工大学 | 基于dsp图像处理的智能描眉机装置 |
CN108985153A (zh) * | 2018-06-05 | 2018-12-11 | 成都通甲优博科技有限责任公司 | 一种面部识别方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1801180A (zh) * | 2005-02-24 | 2006-07-12 | 北京工业大学 | 基于眉毛识别的身份鉴别方法 |
CN1926575A (zh) * | 2004-03-03 | 2007-03-07 | 日本电气株式会社 | 图像相似度计算***、图像搜索***、图像相似度计算方法和图像相似度计算程序 |
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
CN101901353A (zh) * | 2010-07-23 | 2010-12-01 | 北京工业大学 | 基于子区域匹配的眉毛图像识别方法 |
-
2013
- 2013-01-06 CN CN201310003415XA patent/CN102999751A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1926575A (zh) * | 2004-03-03 | 2007-03-07 | 日本电气株式会社 | 图像相似度计算***、图像搜索***、图像相似度计算方法和图像相似度计算程序 |
CN1801180A (zh) * | 2005-02-24 | 2006-07-12 | 北京工业大学 | 基于眉毛识别的身份鉴别方法 |
CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
CN101901353A (zh) * | 2010-07-23 | 2010-12-01 | 北京工业大学 | 基于子区域匹配的眉毛图像识别方法 |
Non-Patent Citations (1)
Title |
---|
余文峰: "《基于特征的肖像画自动生成***》", 《中国优秀硕士学位论文全文数据库》, no. 9, 15 September 2006 (2006-09-15), pages 24 - 25 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898704A (zh) * | 2015-03-12 | 2015-09-09 | 哈尔滨理工大学 | 基于dsp图像处理的智能描眉机装置 |
CN108985153A (zh) * | 2018-06-05 | 2018-12-11 | 成都通甲优博科技有限责任公司 | 一种面部识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583298B (zh) | 基于集合的跨视角步态识别方法 | |
US9449432B2 (en) | System and method for identifying faces in unconstrained media | |
US9665606B2 (en) | Edge-based recognition, systems and methods | |
CN103810490B (zh) | 一种确定人脸图像的属性的方法和设备 | |
Kim et al. | SVD face: illumination-invariant face representation | |
CN103853724B (zh) | 多媒体数据分类方法及装置 | |
CN103080979B (zh) | 从照片合成肖像素描的***和方法 | |
CN104143076B (zh) | 人脸形状的匹配方法和*** | |
WO2016201671A1 (zh) | 一种三维点云的局部特征提取方法及装置 | |
Juefei-Xu et al. | Encoding and decoding local binary patterns for harsh face illumination normalization | |
CN107085731B (zh) | 一种基于rgb-d融合特征与稀疏编码的图像分类方法 | |
CN101593205A (zh) | 基于视频的三维模型检索方法 | |
CN109509142A (zh) | 一种人脸变老图像处理方法、***、可读存储介质及设备 | |
JP2010108494A (ja) | 画像内の顔の特性を判断する方法及びシステム | |
CN105809182B (zh) | 一种图像分类的方法及装置 | |
CN104008404B (zh) | 一种基于显著直方图特征的行人检测方法及*** | |
CN103902992A (zh) | 人脸识别方法 | |
Su et al. | Bayesian depth estimation from monocular natural images | |
CN104573710B (zh) | 一种基于潜在空间平滑自表征的子空间聚类方法 | |
CN102999751A (zh) | 一种基于sift特征的眉毛识别方法 | |
Häfner et al. | Colonic polyp classification in high-definition video using complex wavelet-packets | |
Arandjelovic et al. | A new look at filtering techniques for illumination invariance in automatic face recognition | |
Ma et al. | Automatic nasopharyngeal carcinoma segmentation in MR images with convolutional neural networks | |
Tu et al. | Illumination normalization for face recognition using energy minimization framework | |
Quraishi et al. | A novel approach for face detection using artificial neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130327 |