[发明专利]以关键点局部邻域的高频分析为核心的模糊人脸判别方法

说明书

本发明公开了一种模糊人脸图像的自动分析判别方法。对比现有相关技术方法，该技术具有适应性强、鲁棒性好，使用阶段不需人工干预，不受与训练人脸容貌相似程度的影响，对训练样本的依赖少，训练阶段耗时短，充分利用人脸图像的全局拓扑及细节特征等优点。本发明的主要创新之处在面部关键点局部邻域特征的设计方面。在人脸核心部位的关键位置提取局部邻域的高频图像特征，即能够保证对直接反映图像清晰程度的图像细节纹理的恰当应用，又能够避免容貌和姿态差异等干扰因素对方法精度的影响，直接提升方法的鲁棒性。此外，本发明还引入基于AdaBoost技术的集成分类器构建策略，对各关键点的局部邻域模糊判别分类器进行集成，实现一体化综合智能决策。

技术领域

本发明属于模式识别、计算机视觉、图像处理领域，涉及一种以面部关键点局部特征为核心的模糊人脸判别方法，可用于对一般性二维人脸图像是否模糊进行智能判别。

背景技术

随着计算机软硬件技术的飞速发展以及图像和视频采集设备的不断普及，以人脸识别为代表的智能图像数据分析识别技术得到了越来越广泛的认可和应用。然而，再优秀的智能分析算法也必须以高质量的输入信息为基本前提，低质量的输入信息必然直接影响算法的整体分析效果。因此，对所获取的人脸图像进行自动质量评价，避免过低质量的图像被输入后续处理环节造成判断失误，是具有直观实际意义的应用研究技术。

由聚焦问题、设备分辨率问题、采光问题、数据压缩等造成的图像模糊是目前直接影响人脸图像质量的重要因素之一。由于直接影响图像内容的描述和表达，图像模糊能够对算法精度产生直接影响，且难以通过后续处理算法进行修复(基于信息守恒原理)。因此，有效滤除低质量模糊人脸图像无疑能够直接提升自动分析算法的处理效果，降低发生误判的可能性。注：在当今大数据时代，信息资源极大丰富，相比于判断失误和识别误差，在绝大多数情况下，拒绝低质量图像所带来的损失已经非常微小，例如，随着数字图像拍摄设备的普及，当人们发现拍摄到一幅模糊图像时，通常可以直接再补拍一张，不用付出任何费用。

在相关技术方面，以往的相关研究中，有一些针对一般性图像的模糊判别工作，如：首先进行图像边缘提取，而后进行基于边缘均值的模糊程度度量方法；利用图像的奇异值分析判别图像模糊等。但专门针对人脸图像自身的具体特点进行模糊判别的相关方法目前并不多见。

发明内容

本发明的目的是克服现有技术中存在的不足，提出一种能够专门针对人脸图像特点的模糊图像自动判别方法。为实现该功能，本发明设计了由“方法训练阶段”和“在线使用阶段”两部分构成的综合性方法策略，具体技术实现方案如下。

以关键点局部邻域的高频分析为核心的模糊人脸判别方法，基本步骤包括：

方法训练阶段：

(1)搭建由清晰人脸和模糊人脸图像组成的训练样本集合；

(2)人工标定各训练人脸图像上处在核心位置的关键点(共49个)的坐标，并进行关键点自动提取模型的训练；

(3)依据位于眼部的关键点的坐标，计算眼部区域的重心：

其中，x^lec和x^rec分别表示左眼和右眼的重心；为左眼部区域所有关键点的坐标，N^le表示此区域关键点数目；为右眼部区域所有关键点的坐标，N^re表示此区域关键点数目。

(4)根据连接两眼重心的向量对各人脸图像进行标准化，标准化过程依据仿射变换进行；

(5)提取每个关键点周围邻接的方形局部区域，以其为特征提取的对象区域；

(6)基于离散余弦变换方法，提取各关键点周围局部邻接区域的高频图像特征；