一种基于局部特征的脸型分类方法

摘要

针对传统脸型分类算法特征点定位不准和过度依赖轮廓曲线的问题，提出一种人脸轮廓圆形邻域局部特征表达和脸型分类模型。首先，初步定位脸型轮廓特征点，然后在特征点周围选取三重八连通圆形邻域，通过计算一级邻域、拓展邻域与中心区域间的纹理变化，生成二进制编码序列，构造脸型局部特征向量；最后设计OVO‑RBF‑SVM多分类模型，实现脸型分类。本文方法在CAS‑PEAL人脸库上进行脸型类型判别，获得了94.28％的准确率；在相同情况下，分别与基于主动形状模型和基于下颌曲线模型的脸型类型判别方法进行对比，准确率分别提高了6.64％和6.58％。本文所研究的方法在一定程度上解决了特征点定位相对不准确导致误差增加的问题。尽可能多利用图片原始信息，保证轮廓特征提取的准确率，具有较强的鲁棒性。通过实验证明了，本文方法适用于脸型分类。

主权项

一种基于局部特征的脸型分类方法，其特征在于，基于局部特征的脸型分类是一种采用脸型轮廓特征编码的方式，再通过特征编码分类器进行脸型分类的方法，主要包含基于圆形邻域的人脸轮廓特征区域划分方法、特征邻域对齐、特征编码、基于支持向量机的多分类器设计，整体处理流程是这样的：对于人脸轮廓特征点集P，P_i表示点集P的第i个点。构建其编码矩阵基本步骤如下：1)初始化编码矩阵C，特征矩阵T，一级邻域表E₁和扩展邻域表E₂；2)取出特征点集中P_i，分别计算一级邻域、扩展邻域与中心区域的强度差，将结果加入到表E₁和表E₂中；3)将表E₁和表E₂中对应元素做异或运算，结果加入到特征矩阵T；4)如果特征点集P不为空，取下一个点P_i+1转到2)继续执行；5)如果特征点集P为空，对特征矩阵进行编码，编码结果加入到编码矩阵C中；6)每两种脸型构建一个特征编码分类器；7)将待测样本输入到特征分类器中，进行分类；8)获得测试结果。