[发明专利]基于小样本去除人脸图像中眼镜框的方法

说明书

技术领域

本发明涉及一种基于小样本去除人脸图像中眼镜框的方法。 

背景技术

随着人脸识别技术的推广，越来越多的场合需要人脸识别技术的应用，如小区门禁、智能楼宇、监狱、银行金库等场合。但一个智能的人脸识别技术必须能够自动去除人脸图像中的一些配饰信息，以免配饰对人脸识别带来影响，而眼镜框则是其中的一种。其次，传统的基于肤色模型或者几何特征的镜框去除方法没有先验地结合眼镜框的位置信息，且忽略了配饰对于人脸而言具有的一些特征：眼镜框与人脸相比差异较大即像素值幅值差异大，眼镜框相较于整个人脸属于小范围区域具有稀疏性。 

发明内容

本发明的目的在于提供一种基于样本训练的有效去除人脸图像中眼镜框的方法，以提高人脸识别的准确性，同时通过低秩矩阵计算充分保留了人脸图像的位置信息，从而有效地提取出眼镜框的位置，最终得到还原后的人脸图像。 

为了达到上述目的，本发明提供的方法主要包括以下步骤：1）事先通过任意图像采集设备采集到10-50张不戴配饰的不同人脸图像，然后将所有二维图像分别张成一维列向量，并重新组成小样本人脸图像训练矩阵，用于后续步骤的眼镜框去除。2）开始人脸图像的眼镜框去除。将任意采集设备采集到的人脸图像根据人脸图像的关键点进行定位根据该定位信息对人脸进行大小和位置归一化，并将二维图像张成一维列向量。3）将得到的列向量与事先得到的小样本人脸图像训练矩阵组成新的矩阵并通过低秩矩阵求解干扰矩阵。4）从干扰矩阵中抽取出对应人脸图像的那一列向量并还还原成原始图像大小。5）将得到的图像进行二值化。根据二值化后的图像对使用者采集的原始图像中的镜框位置的像素点进行差值填充得到去除眼镜框的图像。 

其中，在低秩矩阵求解后，利用干扰矩阵中所包含的信息去判断镜框的位置而非还原矩阵。由于人脸图像训练矩阵具有小样本的特性，因此，人脸图像间的线性关系并不强烈，通过求解后，强行线性要求会使得还原后的人脸图像具有一定的变形和扭曲，而干扰矩阵中的数值则很好的保留了干扰的成分。本发明充分利用干扰中部分的信息对眼镜框进行去除，而非传统的还原方法。 

综上所述，本发明通过小样本人脸图像训练矩阵的低秩矩阵求解，获得眼镜框的位置信息，从而对人脸图像进行镜框去除的方法，可以有效地避免因为镜框所导致无法识别人脸图像的缺点，从而提高人脸识别率。 

附图说明

图1是本发明的基于小样本去除人脸图像中眼镜框的方法应用于具有图像采集装置的人脸识别系统的流程图。 

图2是小样本训练矩阵与新加入的列向量关系图。 

具体实施方式

请参阅图1本发明的基于小样本去除人脸图像中眼镜框的方法应用于具有图像采集装置的人脸识别系统的流程图，其包括以下步骤。 

 第一步，事先通过任意图像采集设备采集到10-50张不戴配饰的不同人脸图像，根据人脸图像的关键点进行定位（如：眼角、鼻尖、嘴角、下巴等），根据该定位信息对人脸进行大小和位置归一化，使得各个人脸图像的关键点基本在同一位置。然后将所有二维图像分别张成一维列向量，并重新组成新的矩阵，其中每列都是先前张成的一维列向量。该矩阵就是小样本人脸图像训练矩阵，用于后续步骤的眼镜框去除。 

第二步，开始人脸图像的眼镜框去除。将任意采集设备采集到的人脸图像根据人脸图像的关键点进行定位根据该定位信息对人脸进行大小和位置归一化，使得各个人脸图像的关键点基本在同一位置。然后将二维图像张成一维列向量。 

第三步，将第二部中得到的列向量与第一步中事先得到的小样本人脸图像训练矩阵组成新的矩阵，组成方式与第一步一致，新的列向量拼接在小样本人脸图像训练矩阵之后，具体样式请参阅图2小样本训练矩阵与新加入的列向量关系图。至此，得到了需要处理并求解的图像矩阵。