一种新的人脸特征描述方法

摘要

一种新的人脸特征描述方法，涉及人脸识别。首先利用训练集对每幅图像建立差分图像集，其次将差分图像集中的每幅图像按照事先的规定提取LTPBP特征描述向量，然后按照约定的规则把LTPBP特征描述向量组合成10个不同的特征矩阵、利用LDA方法对生成的特征向量矩阵分别进行一次学从而得到10个投影矩阵，再分别利用投影矩阵对原LTPBP特征描述向量进行投影学得到降维后的LTPBP特征描述向量，最后把属于同一幅图像中得到的低维LTPBP特征描述向量串连起来生成PPC特征描述向量。提出与漂移差分方法相结合的LTPBP纹理特征描述向量，加速了特征提取的运算效率。

主权项

1.一种新的人脸特征描述方法，其特征在于包括以下步骤：A.准备人脸图像训练样本集(a_i(1),a_i(2),...,a_i(pi))，i＝1,2,...,C，其中，C为人脸训练样本类别数或称目标个数，C为自然数，p_i为第i类包含的总训练样本数，a_i(1)表示第i个目标中的第1幅人脸图像训练样本；B.将每个训练样本图像按照2种不同尺度分别进行4个方向上的漂移，设参数对为(Direction，R)，其中Direction=up,down,left,right，分别对应于上，下，左，右4个方向，R=2，4两种尺度，得到4个方向，2种尺度的8幅漂移过的图像，然后再利用原始图像和所有漂移过的图像分别进行一次差分运算，从而得到8幅差分图像，保留2幅原始图像和8幅差分图像即得到一个由10幅图像组成的图像集（对于每幅原始训练样本图像）；C.在步骤B的基础上，对每个训练样本图像集中的每幅图像分别提取LTPBP纹理特征描述符；D.在步骤C的基础上，重新组合训练样本子集n＝1,2,...,10，其中i＝1,2,...,C，C的意义和步骤A中提到的一样，为步骤B中在不同尺度和不同方向上变换所得差分图像对应的特征向量，即原LTPBP特征描述向量，就为第i类目标所有图像样本在相同方向和相同尺度变换下提取到LTPBP特征描述向量共同组合成的子样本集；E.对样本子集S⁽ⁿ⁾分别利用LDA算法进行学习，根据LDA算法的特性，对于每个样本子集都会学习到一个投影矩阵W⁽ⁿ⁾，n＝1,2,...,10；F.根据步骤E中计算得到的投影矩阵W⁽ⁿ⁾，将对应位置的LTPBP特征描述向量v⁽ⁿ⁾投影到更为低维的空间中变为x⁽ⁿ⁾；G.把x⁽ⁿ⁾按顺序串连起来即得特征描述向量，其中，代表第i类目标的第1个差分图像集中第n幅差分图像对应的特征描述向量。