[发明专利]图像特征提取方法及装置

摘要

本发明公开一种图像特征提取方法及装置，其方法包括：标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；根据随机森林局部纹理模型、特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。本发明基于主动形态模型算法的框架，利用随机森林算法生成的局部纹理模型，改善了主动形态模型算法在分辨率低的算法健壮性；减少光照和色差的干扰，增强脸部特征点定位的鲁棒性；同时极大的减小了计算复杂度，增加了特征点定位的实时性、准确性。

主权项

1.一种图像特征提取方法，其特征在于，包括：标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从所述特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；根据所述随机森林局部纹理模型、所述特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取；其中，所述通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型的步骤包括：S1、对所述特征点矩阵中的每一特征点，将以该特征点为中心的像素区域作为正样本，在该特征点周围随机抽取N个伪特征点，并将以伪特征点为中心的像素区域作为负样本，得到N+1个正负样本；S2、设定训练集图库包含S幅训练图，则将S幅训练图中对应该特征点的N+1个正负样本共S*(N+1)个样本作为该特征点的训练样本集；S3、随机选取所述像素区域内的两个像素点；对于所述训练样本集中的每一样本，在对应两个像素点处进行灰度值大小比较，将所述训练样本集分为左右子树集两类；S4、重复上述步骤S3预定次数，选取预定条件的左右子树集，并将对应的两个像素点，作为该左右子树集所在节点的分类器点对；S5、对选取的所述左右子树集分别进行步骤S3‑步骤S4，直到顶层节点，获取各层节点的分类器点对，建立搜索路径；并获取各顶层节点的正样本数和总样本数；以各顶层节点的正样本数和总样本数的比率作为各顶层节点的相似概率，生成所述特征点的一决策树；S6、重复上述步骤S3‑S5，对每一特征点生成L颗决策树，形成该特征点的随机森林局部纹理模型。