[发明专利]一种人脸图像匹配的方法

说明书

技术领域

本发明涉及生物特征识别领域，尤其涉及一种人脸图像匹配的方法。

背景技术

人脸图像匹配是对人脸图像进行相似度度量，是人脸识别、人脸图像检索、人脸图像标注等技术的核心，不仅在家庭生活、个人娱乐、企业应用等方面有着巨大的应用前景，更在国家安全、司法刑侦、个人安全等方面发挥着重要作用。但是，人脸图像在获取的过程中受到光照、表情、姿态、遮挡等因素的影响，造成了同一个人在不同条件下采集的人脸图像差异较大，不同人之间的人脸图像区分度减低，使得人脸图像匹配成为一个十分困难的问题而受到学术界的广泛关注。

人脸匹配技术的研究主要集中在两个方面：人脸特征表达和相似度度量。人脸特征表达研究的是对人脸区域的刻画，即采用何种方法对人脸区域进行描述。主要分为两类：基于局部特征的表达和基于全局特征的表达，前者主要研究人脸局部的纹理特征的刻画；后者研究人脸全局的结构特征的刻画。在人脸特征表达的基础上，采用何种度量函数对得到的人脸特征进行相似度度量，是人脸匹配技术的另一个研究重点。

近些年来，随着特征表达、信息融合、特征选择、机器学习等技术的发展，基于多特征、多分类器的融合方法也在人脸匹配中广泛应用。但是，现有的人脸图像匹配方法往往对整个人脸提取的特征，没有考虑人脸不同区域的属性特点，其特征维度及计算复杂度较高。

发明内容

本发明的目的是提供一种人脸图像匹配的方法，提高了识别精度，降低了特征维度与计算复杂度。

一种人脸图像匹配的方法，该方法包括：

将待匹配的至少两幅人脸图像转化为可用于特征抽取的归一化人脸图像；

按照预定的特征参数对每一所述归一化人脸图像分别进行N次多模态特征的抽取，并通过向量的度量函数对单个特征参数下所述至少两幅归一化人脸图像得到的特征进行匹配，获得匹配分数值；

将进行N次匹配后得到的匹配分数值融合，获得所述至少两幅人脸图像最终的匹配分数，所述N为大于1的自然数。

由上述本发明提供的技术方案可以看出，对脸图像进行归一化人，再根据人脸区域区分度进行特征参数的预定，并采用分数层融合的方法对匹配分数进行融合，提高了识别精度，降低了特征维度与计算复杂度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需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，对于本领域的普通技术人员来讲，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附图。

图1为本发明实施例一提供的一种人脸图像匹配的方法的流程图；

图2为本发明实施例二提供的又一种人脸图像匹配的方法的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

实施例一

图1为本发明实施例一提供的一种人脸图像匹配的方法的流程图，如图1所示，主要包括如下步骤：

步骤101、将待匹配的至少两幅人脸图像转化为可用于特征抽取的归一化人脸图像。

可先采用开源软件包OpenCV（开源计算机视觉库）中的物体检测子，得到人脸区域和两个人眼区域的位置，再通过人脸图像配准对图像进行归一化，例如，进行尺度归一化，得到高度H=128像素，宽度W=128像素的归一化人脸图像。

再将人脸区域分成重叠的子块，以便用于特征的抽取。每个块的位置和尺度参数为（x,y,h,w），其中x，y为子块的横纵坐标，h为子块的高度，w为子块宽度。图像分块采用重叠方式，重叠宽度和高度为bh，bw。例如，可设置为：h=16，w=16，bh=8，bw=8，x={1，9，17…，113}，y={1，9，17…，113}。

步骤102、按照预定的特征参数对每一所述归一化人脸图像分别进行N次多模态特征的抽取，并通过向量的度量函数对单个特征参数下所述至少两幅归一化人脸图像得到的特征进行匹配，获得匹配分数值。

本步骤中多模态特征的抽取主要包括：多通道Gabor（加窗傅立叶变换）特征抽取与多参数LBP（局部二值模式）直方图特征抽取。