[发明专利]人脸图像的属性信息识别方法和装置

说明书

本发明公开了一种人脸图像的属性信息识别方法和装置，通过核函数来表示降维函数中给隐变量赋予的先验信息，使得该先验信息可以表达非线性的人脸识别问题，从而可以将原有的、仅能解决线性问题的基于高斯过程和隐变量的降维方法应用于解决非线性的人脸识别问题，通过最优化降维目标函数，求取核函数即可实现降维。使得获取的低维度特征向量具有较好的泛化能力，能够有效表现不同个体的共有模式外，还可以尽可能多的保留不同个体的差异性。由此，基于相应的降维方法来训练属性识别函数和对待估计人脸图像进行降维，提高人脸图像属性识别的准确性。

技术领域

本发明涉及模式识别领域，具体涉及一种人脸图像的属性信息识别方法和装置。

背景技术

人脸识别是目前计算机视觉领域的研究热点。人脸识别一般被描述为：给定由静态图像或者动态视频组成的场景，利用已有的已知人脸数据库，确定场景中一个或多个人物的属性(例如性别、年龄等)。

一般而言，从人脸图像中提取的原始数据维度数较高，且其特征空间为稀疏的，存在大量无用的特征，因此，需要对人脸图像进行低维度特征提取，也即降维。通过降维，不仅可以将有用的特征信息进行压缩，从而方便后续的识别，而且还能够容忍人脸图像中的变化和噪声，优化后续的识别过程。

综上所述,人脸识别以归结为人物的属性信息与对应于具有相同身份或属性不同个体的人脸图像之间的关系。考虑到人脸图像所表现出来的信息受很多因素(基因、生活习惯、场景等)的影响，具有相同属性的不同个体的年龄特征也存在很大的差别。因此，如何有效提取人脸图像的低维度特征并进行属性信息识别，是改进人脸识别技术的关键。

发明内容

有鉴于此，本发明提供一种人脸图像的低维度特征提取方法和装置，以有效提高人脸图像的属性识别的准确性。

第一方面，提供一种人脸图像的属性识别方法，包括：

对所有按属性信息预分类的样本人脸图像进行预处理获取对应的归一化样本图像；

提取所述归一化样本图像的高维度特征向量；

根据所有所述归一化样本图像的高维度特征向量获得样本矩阵；

根据降维目标函数获取所述样本矩阵对应的低维度特征矩阵和降维映射矩阵，所述低维度特征矩阵和所述降维映射矩阵使得所述降维目标函数最小化；

根据所述低维度特征矩阵及对应的属性信息训练属性识别函数；

根据所述降维映射矩阵提取待估计人脸图像的低维度特征；

根据所述待估计人脸图像的低维度特征和所述属性识别函数估计所述待估计人脸图像属性信息；

其中，所述降维目标函数以所述样本矩阵的类间方差的逆与所述样本矩阵的类内方差的乘积的迹的最大值作为给隐变量赋予的先验信息，其中，所述最大值为以低维度特征为隐变量的核函数矩阵的函数。

第二方面，提供一种人脸图像的属性信息识别装置，包括：

归一化单元，用于对所有按属性信息预分类的样本人脸图像进行预处理获取对应的归一化样本图像；

高维度特征提取单元，用于提取所述归一化样本图像的高维度特征向量；

矩阵获取单元，用于根据所有所述归一化样本图像的高维度特征向量获得样本矩阵；

降维训练单元，用于根据降维目标函数获取所述样本矩阵对应的低维度特征矩阵和降维映射矩阵，所述低维度特征矩阵和所述降维映射矩阵使得所述降维目标函数最小化；

识别训练单元，用于根据所述低维度特征矩阵及对应的属性信息训练属性识别函数；

低维度特征提取单元，用于根据所述降维映射矩阵提取待估计人脸图像的低维度特征；