[发明专利]基于SVM学习的人脸图像磨皮取证方法

摘要

本发明公开了一种基于SVM学习的人脸图像磨皮取证方法，包括：(1)训练阶段：对训练集中每张人脸图像提取图像内容不相关特征，对特征进行规范化形成训练样本的特征集，然后将特征向量输入LIBSVM进行训练，从而建立SVM模型；(2)取证阶段：对于测试输入人脸图像，提取图像内容不相关特征，对特征进行规范化，然后送入训练好的SVM模型，得出取证结果。本发明充分利用磨皮处理的先验信息，还引进了一种图像质量失真评价标准，构造了图像内容不相关特征，设计了SVM分类器，SVM分类器不需要原始图像，能够利用人脸图像经过磨皮处理后留下的痕迹提取分类器特征，能够更加准确、全面地获得人脸图像磨皮取证结果。

主权项

1.基于SVM学习的人脸图像磨皮取证方法，其特征在于，包括以下步骤：（1）训练阶段：对训练集中每张人脸图像均分别提取图像内容不相关特征，然后对提取的特征进行规范化形成训练样本的特征集，然后将特征集中的特征向量输入SVM分类器进行训练，从而建立SVM模型；其中，选取以下4个统计量作为图像内容不相关特征构造的基础：RGB颜色空间下，设位置为(i，j)，第k个通道为C_k(i,j),i、j=1,2...N,k=1,2,3，设C(i,j)和分别表示原图像以及参考图像的颜色像素向量，则范数为：||C(i,j)||=C1(i,j)2+C2(i,j)2+C3(i,j)2;]]>内积为：<C(i,j),C^(i,j)>=C1(i,j)C^1(i,j)+C2(i,j)C^2(i,j)+C3(i,j)+C^3(i,j);]]>角相关度量的一阶统计量为d1=uθ=1N2Σi,j=0N-1|cos(θij)|,]]>d2=[1N2Σi,j=0N-1(cos(θij)-uθ)2]1/2;]]>同理，Czenakowski度量的一阶统计量为d3=uχ=1N2Σi,j=0N-1|χij|,]]>d4=[1N2Σi,j=0N-1(χij-uχ)2]1/2;]]>d₁、d₂、d₃、d₄这四个统计量，即为输入到SVM分类器的特征向量；（2）取证阶段：对于测试输入人脸图像，提取该图像的图像内容不相关特征，对特征进行规范化，然后送入训练好的SVM模型，得出取证结果。