[发明专利]一种确定人脸图像的属性的方法和设备

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种确定人脸图像的属性的方法和设备。

背景技术

近些年来，在人脸图像研究相关的计算机视觉领域，随着人脸检测和人脸识别技术的不断发展，人脸图像的研究热点，逐渐转向了年龄估计、表情估计等更为先进的研究课题。年龄估计作为生物识别技术的一个重要领域，在身份识别、信息统计、智能化选择、人机交互、智能电视、智能手机以及娱乐应用等方面有着巨大的应用前景，所以也越来越成为研究的一个热点。

以年龄估计为例，年龄估计是指根据模式分类的方法，利用人脸图像的特征，对个体的年龄进行估计。目前，比较常用的年龄特征提取方法主要有模拟颅面形状的人体模型、模拟人脸成长老化过程的年龄模式模型、流型模型、外观模型等。由于人在成年以后颅面的变化非常小，所以人体模型只能用于未成年的年龄估计。年龄模式模型的建立需要在很多人的一系列不同年龄阶段的图片的基础上，而大量的人脸图像的收集是一个非常困难的事情，而且该方法只提取了人脸图像的强度信息，提取到的特征精度较低，从而影响年龄估计的准确性。流型模型对训练数据的尺寸要求很高，不适用于推广使用。外观模型融合了形状纹理特征，而且训练数据不需要同一个人的多种不同年龄阶段的图片，所以具有很强的灵活性和应用前景。

目前，现有的外观模型方式中，一般基于主动形状模型（Active Shape Model,ASM）算法提取人脸图像的特征点信息，ASM算法提取的是人脸部中各器官的指定位置点的信息，比如嘴、鼻子、眼睛、眉毛、脸部轮廓的位置信息，根据这些位置信息可以计算出人脸部的形状特征。一方面，由于在未成年时人脸部形状特征的变化比较大，到成年以后人脸部形状特征的变化比较小，因此，仅根据人脸部的形状特征对年龄进行估计，难以全面的体现各个年龄的变化，使得年龄估计的准确度较低；另一方面，ASM算法本身对人脸部特征点的定位精度不高，因此，仅根据人脸部的形状特征进行年龄估计的准确度不高。

综上所述，采用现有外观模型方式进行年龄估计的准确度不高。

发明内容

本发明实施例提供了一种确定人脸图像的属性的方法和设备，用于解决采用现有外观模型方式进行年龄估计的准确度不高的问题。

一种确定人脸图像的属性的方法，该方法包括：

将测试图片划分成多个不重叠的子图片，并基于所述子图片采用设定的算法进行处理，确定出所述测试图片对应的纹理特征向量；且将所述测试图片划分成多个具有重叠区域的分块，并基于所述分块采用方向梯度直方图HOG算法进行处理，得到所述测试图片对应的边缘形状特征向量；并将所述纹理特征向量和所述边缘形状特征向量组合成所述测试图片的特征向量；

将所述测试图片的特征向量与已存储的各属性对应的特征向量进行匹配，以确定所述测试图片中的人脸图像所具有的属性。

由于本发明实施例通过对测试图片划分后的多个不重叠的子图片进行处理得到纹理特征向量，以及对测试图片划分后的多个重叠的分块进行HOG处理得到边缘形状特征向量，从而得到该测试图片的特征向量，能够提高人脸图像的属性估计的准确度，提高人脸图像的属性估计的处理效率。

在实施中，基于所述子图片采用设定的算法进行处理，确定出所述测试图片对应的纹理特征向量，包括：

基于所述子图片采用局部二值模式LBP算法或基于伽柏Gabor特征的人脸识别算法进行处理，确定出所述测试图片对应的纹理特征向量。

在实施中，将所述测试图片划分成多个具有重叠区域的分块，并基于所述分块采用HOG算法进行处理，得到所述测试图片对应的边缘形状特征向量，包括：

计算所述测试图片中每个像素点的梯度方向值；

根据每个分块所包含的各像素点的梯度方向值，确定每个分块对应的方向梯度直方图信息，以形成每个分块对应的边缘形状特征向量；

确定划分后的测试图片的多个滑动窗，将每个滑动窗内包含的分块的边缘形状特征向量进行串联，得到每个滑动窗对应的边缘形状特征向量，其中，每个滑动窗覆盖至少两个所述分块；

将每个滑动窗的边缘形状特征向量进行串联，得到所述测试图片对应的边缘形状特征向量。

基于上述任一实施例，将所述纹理特征向量和所述边缘形状特征向量组合成所述测试图片的特征向量，具体包括：

将所述纹理特征向量和所述边缘形状特征向量组合后的向量进行降维处理；以及，

计算降维处理后的向量的子空间，并对所述降维处理后的向量进行投影处理，得到所述测试图片的特征向量。