CN102226908A - 基于mpeg-7标准的人脸判别方法 - Google Patents

Abstract

本发明涉及一种基于MPEG-7标准的人脸判别方法，属于图像信息处理技术领域。该人脸判别方法，包括两大步骤：A、建立人脸图像索引库和B、利用人脸图像索引进行检索识别。采用本方法对人脸图像识别判断，简单灵活而且数据安全性高，具有普适性和可扩展性。

Description

基于MPEG-7标准的人脸判别方法

技术领域

本发明涉及一种基于MPEG-7标准的人脸判别方法，属于图像信息处理技术领域。

背景技术

随着现代社会对个人身份认证需求的不断增长，生物特征识别技术越来越受到人们的重视。其中，人脸识别因其非接触式、隐蔽性好、简单有效、成本相对低廉等优点，在门禁、安保等诸多领域有着广泛的应用。

随着应用系统的不断扩展，人脸识别所利用的人脸图像样本库也不断膨胀。同时，为了增加系统识别的准确率，对同一人脸样本往往需要采集一组图像数据。针对某些特殊应用，可能还需要采集一些局部特征数据。这些人脸图像数据，往往包含表情、环境、场景等关联内容及语义信息，如何有效的整合和管理这一系列数据关系到整个应用系统的实际效能。

简单直接的存储方式一方面效率不高，同时还增加了后续查询识别时的算法复杂度，直接导致整个应用系统性能低下。

目录树的管理方法虽然能保证同一样本数据的相关性，但是管理困难，数据安全性比较差。

另外，针对不同的应用需求，通常会对同一人脸图像库进行相应的一系列处理，这些处理往往有很多共通之处。传统的方法中，这些处理都是一次性的，不可重用。同时，处理中得到的有关人脸图像的特征信息也是一次性的，不可重用。例如两眼距离，眼角距离，鼻子距离，肤色特征，面部纹理特征等等。因为每做一次识别和检索，这些特征信息都需要重新计算，所以系统响应慢，效率不高。

国际标准化组织（ISO）1996年10月开始研究并于1998年10月提出， 2001年最终完成并公布MPEG-7——多媒体内容描述接口（Multimedia Content Description Interface）, 其目标就是产生一种描述多媒体内容数据的标准，满足实时、非实时以及推-拉应用的需求,它既不同于基于波形和基于压缩的表示方式如MPEG-1和MPEG-2,又不同于基于对象的表示方式如MPEG-4，而是将对各种不同类型的多媒体信息进行标准化描述，并将该描述与所描述的内容相联系，以实现快速有效的搜索。

MPEG-7的目标是支持多种音频和视觉的描述，包括自由文本、N维时空结构、统计信息、客观属性、主观属性、生产属性和组合信息。对于视觉信息，描述将包括颜色、视觉对象、纹理、草图、形状、体积、空间关系、运动及变形等。另外，根据信息的抽象层次，提供一种描述多媒体材料的方法以便表示不同层次上的用户对信息的需求。以视觉内容为例，较低抽象层将包括形状、尺寸、纹理、颜色、运动（轨道）和位置的描述。对于音频的较低抽象层包括音调、调式、音速、音速变化、音响空间位置。最高层将给出语义信息：如“这是一个场景：一个鸭子正躲藏在树后并有一个汽车正在幕后通过。”抽象层与提取特征的方式有关：许多低层特征能以完全自动的方式提取，而高层特征需要更多人的交互作用。MPEG-7还允许依据视觉描述的查询去检索声音数据，反之也一样。MPEG-7支持数据管理的灵活性、数据资源的全球化和互操作性。

MPEG-7标准化的范围包括：一系列的描述子(Descriptor )（描述子是特征的表示法，一个描述子就是定义特征的语法和语义学）；一系列的描述结构(Description Schemes )（详细说明成员之间的结构和语义）；一种详细说明描述结构的语言、描述定义语言（DDL）；一种或多种编码描述方法。描述子是指用来定义和表达实体某一方面特征的句法或语法。表达实体是由特征标识符（如颜色）和数据类型 (如字符串)等构成的。数据类型可以是“复合”的，既可以由几个数据类型的组合来构成，也可以由数个描述子来“描述”一个特征。描述结构是由一个或多个描述子和描述结构构成，描述结构规定了它们相互关系的结构和语法。描述结构的一种语言为描述定义语言DDL（Description Definition Language）。它是一种模式化语言，是对音视频数据建模结果的一种表征。DDL规定了MPEG的描述工具，包括描述子和描述结构，并提供了把描述子构建为描述结构的规则。DDL同时也允许定义特殊应用中的扩展DS. 描述工具通过DDL被实例化，并以文本格式（XML）被描述。

MPEG-7规定一个用于描述各种不同类型多媒体信息的描述子的标准集合。MPEG-7标准化将扩展现有内容识别专用解决方案的有限的能力，特别是它还包括了更多的数据类型。这为能进行高效率地进行访问、交互操作和显示多媒体信息提供了可能。

发明内容

本发明提出了一种基于MPEG-7标准的人脸判别方法，以MPEG-7标准与XML数据交换技术为基础，利用事先提取好人脸图像的几何特征、肤色分布、纹理特性等特征的标准描述信息库，来对人脸进行快速识别和检索。

本发明为解决其技术问题采用如下技术方案：

一种基于MPEG-7标准的人脸判别方法，包括两大步骤：A、建立人脸图像索引库和B、利用人脸图像索引进行检索识别；所述建立人脸图像索引库包括如下步骤：

1）         建立一个人脸图像库，利用MPEG-7标准，对人脸图像库中元素进行分析；

2）         提取元素的几何特征、肤色分布、图像纹理特性的标准描述信息；

3）         对不同的描述信息，定义各自的特征描述子；

4）         根据实际系统的情况，追加部分标注型的特征描述子；

5）         建立XML方式的索引；

6）         对各个信息，根据数据量的不同，选择不同的存储方式；

7）         文件名称、大小的简单信息类特征，直接记录于XML索引中；而对肤色分布、纹理特性的数据量较大的信息，选择外部存储，数据库存储、网络存储、云存储方式，XML索引中只记录存储方式、存储位置、读取方法等存储信息；

所述利用人脸图像索引进行检索识别包括如下步骤：

1）对待检索对象的人脸进行采样，视实际情况，可采用正面人脸图像采集方式、多角度人脸图像组采集方式、视频截取方式及手工素描人脸草图方式；

2）对采集好的待测样本图像，进行预处理；对某些样本，须进行图像重构，如视频截取所得人脸图像；

3）分析样本图像，提取其几何特征、肤色分布、图像纹理特性的描述信息作为检索特征提取；

4）以样本的描述信息为检索条件，在人脸图像库中进行检索；视实际情况，采取不同的检索策略，例如采用分层检索方式：首先利用样本人脸的简单几何特征，如瞳孔距离、眼角距离、鼻子长度，直接与XML索引记录的简单特征信息进行比对，筛选出一组数据集；对数据集中的元素，通过XML索引，获得其他详细特征信息，与样本进行进一步识别和匹配，最终得到准确性较高的检索结果；

5）针对不同的情况，选择不同的检索特征信息组合进行模式匹配，进行检索时，只需利用XML索引，根据所选的不同存储策略，就能很快的获取所需的特征描述信息来进行检索比对。

本发明的有益效果如下：

1．本发明采用MEPG-7标准，描述子标准统一，没有人为的主观偏差；人脸图像数据及其特征数据由XML索引统一管理，简单灵活而且数据安全性高；而提取人脸图像的特征描述，只在图像入库时计算一次，而传统方法每进行一次检索都必须重新计算多个检索对象的特征；由于人脸库中并非记录人脸图像的单一特征，所以在检索时可以采用多种特征共同检索的方式，提高了检索的效率与准确性。

2．相比于传统方法，这种方法大大的降低了检索过程中的重复计算和系统损耗，有效的提高了检索效率和准确性。本方法因不受单一系统平台的限制，具有普适性，故可以应用于跨平台系统的应用之中。同时，本方法具有很好的可扩展性，针对不同的应用要求或者人脸识别方法，添加相应的特征描述子即可。

附图说明

图1为基于MPEG-7标准的人脸判别方法的流程示意图。

图2 为建立人脸图像索引库的流程示意图。

图3 为建立人脸图像索引库的算法流程图。

图4为利用人脸图像索引进行检索识别的流程示意图。

图5 为利用人脸图像索引进行检索识别的算法流程图。

具体实施方式

下面结合附图对本发明创造做进一步详细说明。

图1为基于MPEG-7标准的人脸判别方法，包括两大步骤：A、建立人脸图像索引库和B、利用人脸图像索引进行检索识别；图2为建立人脸图像索引库的流程示意图，图4为利用人脸图像索引进行检索识别的流程示意图。

所述的建立人脸图像索引库包括如下步骤：

1）         建立一个人脸图像库，利用MPEG-7标准，对人脸图像库中元素进行分析；

2）         提取元素的几何特征、肤色分布、图像纹理特性的标准描述信息；

3）         对不同的描述信息，定义各自的特征描述子；

4）         可根据实际系统的情况，追加部分标注型的特征描述子；

5）         建立XML方式的索引；

6）         对各个信息，根据数据量的不同，选择不同的存储方式；

7）         文件名称、大小等简单信息类特征，直接记录于XML索引中；而对肤色分布、纹理特性等数据量较大的信息，可选择外部存储，数据库存储，网络存储，云存储等方式，XML索引中只记录存储方式、存储位置、读取方法等存储信息；

所述的利用人脸图像索引进行检索识别包括如下步骤：

1）对待检索对象的人脸进行采样，视实际情况，可采用正面人脸图像采集方式、多角度人脸图像组采集方式、视频截取方式及手工素描人脸草图方式；

2）对采集好的待测样本图像，进行预处理；对某些样本，须进行图像重构，如视频截取所得人脸图像；

3）分析样本图像，提取其几何特征、肤色分布、图像纹理特性的描述信息作为检索特征提取；

4）以样本的描述信息为检索条件，在人脸图像库中进行检索；视实际情况，采取不同的检索策略，例如采用分层检索方式：首先利用样本人脸的简单几何特征（瞳孔距离、眼角距离、鼻子长度等），直接与XML索引记录的简单特征信息进行比对，筛选出一组数据集；对数据集中的元素，通过XML索引，获得其他详细特征信息，与样本进行进一步识别和匹配，最终得到准确性较高的检索结果；

5）针对不同的情况，选择不同的检索特征信息组合进行模式匹配，进行检索时，只需利用XML索引，根据所选的不同存储策略，就能很快的获取所需的特征描述信息来进行检索比对。

图3为建立人脸图像索引库的算法流程图。采集图像数据，对采集到的人脸数据进行图像预处理和图像重构，利用积分投影等算法确定人脸上瞳孔的位置，对鼻子位置、嘴巴位置进行识别，如果检测的结构符合五官特征，则人脸特征检测成功；否则重新采样。人脸特征检测成功后，对人脸特征进行细化，选取两眼，鼻子，嘴巴作为特征点，并计算两眼间的距离,左眼与鼻子的距离, 右眼与鼻子的距离,左眼与嘴唇的距离,右眼与嘴唇的距离以及鼻子与嘴唇的距离，作为人脸图像的特征描述子，对各个信息，根据数据量的不同，选择不同的存储方式，对提取好的特征信息,建立XML索引。

图5 为利用人脸图像索引进行检索识别的算法流程图。当人脸特征索引库构建成功后，即可根据待比较图像中人脸的特征信息与现有人脸特征库中所存的人脸特征信息进行比对，看是否小于阀值，如果是，则识别成功；否则就识别失败。检索时，采用简化的卡方统计距方法来计算两个人脸图像的相似度。

D（A，B）= ∑i（|Ai-Bi|/（Ai+Bi））

式中：

A，B为要比对的人脸样本；

∑为求和符号；

Ai，Bi为人脸样本的第i个特征信息。

Claims (1)

1.一种基于MPEG-7标准的人脸判别方法，其特征在于，包括两大步骤：A、建立人脸图像索引库和B、利用人脸图像索引进行检索识别；所述建立人脸图像索引库包括如下步骤：

1）建立一个人脸图像库，利用MPEG-7标准，对人脸图像库中元素进行分析；

2）提取元素的几何特征、肤色分布、图像纹理特性的标准描述信息；

3）对不同的描述信息，定义各自的特征描述子；

4）根据实际系统的情况，追加部分标注型的特征描述子；

5）建立XML方式的索引；

6）对各个信息，根据数据量的不同，选择不同的存储方式；

7）文件名称、大小的简单信息类特征，直接记录于XML索引中；而对肤色分布、纹理特性的数据量较大的信息，选择外部存储，数据库存储、网络存储、云存储方式，XML索引中只记录存储方式、存储位置、读取方法等存储信息；

所述利用人脸图像索引进行检索识别包括如下步骤：

1）对待检索对象的人脸进行采样，视实际情况，可采用正面人脸图像采集方式、多角度人脸图像组采集方式、视频截取方式及手工素描人脸草图方式；

2）对采集好的待测样本图像，进行预处理；对某些样本，须进行图像重构，如视频截取所得人脸图像；

3）分析样本图像，提取其几何特征、肤色分布、图像纹理特性的描述信息作为检索特征提取；

4）以样本的描述信息为检索条件，在人脸图像库中进行检索；视实际情况，采取不同的检索策略，例如采用分层检索方式：首先利用样本人脸的简单几何特征，如瞳孔距离、眼角距离、鼻子长度，直接与XML索引记录的简单特征信息进行比对，筛选出一组数据集；对数据集中的元素，通过XML索引，获得其他详细特征信息，与样本进行进一步识别和匹配，最终得到准确性较高的检索结果；

5）针对不同的情况，选择不同的检索特征信息组合进行模式匹配，进行检索时，只需利用XML索引，根据所选的不同存储策略，就能很快的获取所需的特征描述信息来进行检索比对。

Images