发明名称 | 非约束环境下的有效人脸特征提取方法 | ||
摘要 | 本发明提供一种非约束环境下的有效人脸特征提取方法,首先,构造多尺度主方向旋转梯度模板,包括3*3和5*5两个尺度的主方向旋转梯度模板;然后,对人脸图像中生物视觉ROI区域即感兴趣区域进行关键点标记,得到3*3尺度、5*5尺度的主方向旋转HOG特征,将k‑PDR‑HOG‑3和k‑PDR‑HOG‑5两个特征级联融合,得到最终的基于关键点的多尺度主方向旋转HOG特征。相比于原始的HOG算法,本发明构造的多尺度主方向旋转梯度模板在非约束环境下可以提取更为丰富全面的人脸特征,k‑MSPDR‑HOG特征具有强鲁棒性和高准确性。 | ||
申请公布号 | CN106022214A | 申请公布日期 | 2016.10.12 |
申请号 | CN201610290463.5 | 申请日期 | 2016.05.04 |
申请人 | 南京工程学院 | 发明人 | 童莹;严郁;黄维;曹雪虹 |
分类号 | G06K9/00(2006.01)I | 主分类号 | G06K9/00(2006.01)I |
代理机构 | 南京正联知识产权代理有限公司 32243 | 代理人 | 王素琴 |
主权项 | 一种非约束环境下的有效人脸特征提取方法,其特征在于,包括:首先,构造多尺度主方向旋转梯度模板,包括3*3和5*5两个尺度的主方向旋转梯度模板;然后,对人脸图像中生物视觉ROI区域即感兴趣区域进行关键点标记,以关键点为中心,在邻域范围内分别计算3*3和5*5两个尺度、四组旋转梯度模板下的HOG特征,并将每个尺度的四组HOG特征级联,得到3*3尺度、5*5尺度的主方向旋转HOG特征,即k‑PDR‑HOG‑3、k‑PDR‑HOG‑5;最后,将k‑PDR‑HOG‑3和k‑PDR‑HOG‑5两个特征级联融合,得到基于关键点的多尺度主方向旋转HOG特征。 | ||
地址 | 211167 江苏省南京市江宁科学园弘景大道1号 |