[发明专利]图像特征提取方法及装置

说明书

本发明公开一种图像特征提取方法及装置，其方法包括：标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；根据随机森林局部纹理模型、特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。本发明基于主动形态模型算法的框架，利用随机森林算法生成的局部纹理模型，改善了主动形态模型算法在分辨率低的算法健壮性；减少光照和色差的干扰，增强脸部特征点定位的鲁棒性；同时极大的减小了计算复杂度，增加了特征点定位的实时性、准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像特征提取方法及装置。背景技术

目前，在照相软件中通常采用主动形态模型（ASM，Active Shape Model）来实现脸部特征点的定位和脸部轮廓的提取。其基本原理是：首先统计训练集中特征点连线法线上的图像梯度信息，之后将该梯度信息作为特征点逼近搜索的参照物，确定与训练集的梯度信息相似度最高的像素为目标特征点。

然而，现有的这种脸部特征的提取方法中，由于主动形态模型中的图像梯度信息易于受光照和色差以及个体样本差异影响，使得生成的局部纹理模型包含了过多的个体纹理信息，不具备唯一表征性，纹理模型健壮性欠佳；此外，主动形态模型中的建立局部纹理模型时，需要计算出法线上若干像素的梯度信息、归一化处理，生成特征点的梯度向量，然后计算出所有特征点的梯度向量矩阵，在搜索过程中每次需要计算当前搜索形状的梯度向量矩阵和训练集梯度向量矩阵的相似度，由此使得计算复杂度高；而且对于分辨率较低的图像，受限于局部像素信息，主动形态模型的梯度纹理模型识别效果较差。

发明内容

本发明的主要目的在于提供一种图像特征提取方法及装置，旨在降低计算复杂度，提高特征提取的准确性和实时性。

为了达到上述目的，本发明提出一种图像特征提取方法，包括：

标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；

从所述特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；

根据所述随机森林局部纹理模型、所述特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。

本发明还提出一种图像特征提取装置，包括：

标定模块，用于标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；

第一提取模块，用于从所述特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；

模型建立模块，用于通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；

第二提取模块，用于根据所述随机森林局部纹理模型、所述特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。

本发明提出的一种图像特征提取方法及装置，通过标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从特征点矩阵中提取特征向量矩阵、特征向量值以及训练集图库的平均特征点几何位置；并通过随机森林算法生成训练集图库中每个特征点的随机森林局部纹理模型；以此随机森林局部纹理模型以及提取的特征向量矩阵、特征向量值和平均特征点几何位置对当前输入图像进行特征提取，由此，基于主动形态模型算法的框架，利用随机森林算法生成的局部纹理模型，改善了主动形态模型算法在分辨率低的算法健壮性；减少光照和色差的干扰，增强脸部特征点定位的鲁棒性；同时极大的减小了计算复杂度，增加了特征点定位的实时性、准确性。

附图说明

图1是本发明图像特征提取方法第一实施例的流程示意图；