[发明专利]基于人脸生物特征的直系亲属关系识别方法及系统

权利要求书

1.基于人脸生物特征的直系亲属关系识别方法，其特征在于，其包括：

A、对于终端采集的图片进行人脸检测得到人脸图像；

B、提取人脸图像中的局部二值模式及其变种中心对称局部二值模式的特征向量，并根据所述特征向量学习比较所述人脸图像与目标人脸之间的相似性程度；

C、基于生物激励特征对人脸图像的性别以及年龄进行识别；

D、根据所述性别、年龄以及相似性程度识别出所述人脸图像与目标人脸的直系亲属关系；

所述步骤C中基于生物激励特征对人脸图像的性别进行识别为采用基于生物激励特征的支持向量机分类器对人脸图像的性别进行识别，所述基于生物激励特征的支持向量机分类器包括：

S1、将所述人脸图像根据双眼位置进行对齐，然后利用Gabor滤波器提取人脸图片的Gabor图谱；

S2、对所述Gabor图谱进行取最大值Max操作和取标准差值Std操作得到生物激励特征；

S3、根据提取的生物激励特征，利用多分类Adaboost级联算法对生物激励特征向量进行维度处理；

S4、在降维后的特征空间中，训练出用于性别识别的二分类支持向量机分类器；

所述取最大值Max操作采用如下过程：将得到的Gabor图谱中相邻尺度的特征图谱Gabor1，Gabor2进行取最大值合并，所述取标准差Std操作为对Max操作处理后的Gabor每个图谱进行非重叠分块，计算每个分块内的标准差作为特征向量的一个维度。

2.根据权利要求1所述基于人脸生物特征的直系亲属关系识别方法，其特征在于，所述步骤A中人脸检测采用基于积分图以及AdaBoost算法的级联分类器对移动终端采集的图片进行人脸检测，其包括：

A1、构建由人脸图像组成的图像样本库，提取图片的Harr-like特征，并将所述Harr-like特征采用积分图法进行特征数值的计算；

A2、采用Adaboost算法选取人脸的矩形特征形成弱分类器，将所述弱分类器采用加权投票的方法构造为一个强分类器；

A3、将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，对所述人脸图像进行检测。

3.根据权利要求1所述基于人脸生物特征的直系亲属关系识别方法，其特征在于，所述步骤B具体为：

B1、提取人脸图像的局部二值模式及变种中心对称局部二值模式特征向量；

B2、采用主分量分析法对所述特征向量进行降维处理；

B3、在降维后的特征向量空间中，采用马氏距离和双线性相似性函数相结合的度量方式对两个特征向量进行相似性度量学习比较，得到所述人脸图像与目标人脸的距离。

4.根据权利要求3所述基于人脸生物特征的直系亲属关系识别方法，其特征在于，所述马氏距离和双线性相似性函数相结合的度量方式为：

其中，为马氏距离，为双线性相似函数，M，G分别为参数矩阵。

5.根据权利要求1所述基于人脸生物特征的直系亲属关系识别方法，其特征在于，所述步骤C中基于生物激励特征对人脸图像的年龄进行识别为采用基于生物激励特征的支持向量机和支持向量回归混合树形分类器对人脸图像的年龄进行识别，所述基于生物激励特征的支持向量机和支持向量回归混合树形分类器包括：

H1、将所述人脸图像根据双眼位置进行对齐，利用Gabor滤波器提取人脸图片的Gabor图谱；

H2、对所述Gabor图谱进行取最大值Max操作和取标准差值Std操作得到生物激励特征；

H3、根据提取的生物激励特征，利用多分类Adaboost级联算法对生物激励特征向量进行维度处理；

H4、在降维后的特征空间中，以支持向量机和支持向量回归为节点构造树形分类器。