CN103745200A - 一种基于词带模型的人脸图像识别方法 - Google Patents

Abstract

本发明涉及一种基于词带模型的人脸图像识别方法，其特征在于：步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。

Description

一种基于词带模型的人脸图像识别方法

技术领域

本发明涉及一种人脸图像识别方法。

背景技术

计算机人脸识别技术也就是利用计算机分析人脸图像，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。由于在国家公共安全，信息安全和人机交互等领域的各种潜在应用，人脸识别目前已经成为模式识别研究领域的一个研究重点，受到各国专家学者的广泛关注。在过去的二十几年的时间，关于人脸识别的研究工作大量展开，同时也产生了大量的识别方法。以Principalcomponent analysis(PCA),linear discriminant analysis(LDA)和independentcomponent analysis(ICA)为代表的整体匹配方法及Elastic Bunch Graph Matching(EBGM),Active Shape Model(ASM)和Active Appearance Model(AAM)为代表的局部匹配方法成为主流，虽然目前人脸识别技术已经取得了长足的进展，但也存在许多亟待解决的问题，如光照变化，表情变化，头部姿势变化，饰物遮挡以及损伤问题等，而随着人脸数据库中图片数目的增加，如何缩短识别过程中所需要的运行时间也成为了另一个急需解决的问题。

Bag of Words(BoW)模型最初应用于文本处理领域，它把文档表示成与顺序无关的词汇的组合，通过统计文档中词汇出现的频率来进行分类。近些年来，计算机视觉领域的学者们成功地将该模型引入到图像处理领域，取得了非常理想的效果。最近几年又有学者把BoW模型移植到人脸识别中，即把整个人脸图像看作文档，人脸图像中的关键特征被看作为“单词”。但是由于人脸图像属于同一种类别，所以用传统的BoW模型得到的表征人脸的直方图之间的差别就很小，所以，黎子胜等人在“Robust face recognition using block-based bag of words,”一文中提出了block-based bag of words(BBoW)模型,此模型先对人脸图像分块，然后对每一块做密集特征提取，把提取出来的特征向量通过K均值聚类得到视觉单词，从而得到视觉词典，最后进行分类识别。而由于密集提取得到的特征点数目急剧增加及数据库中图片数目的增多，使得在生成视觉词典的时候消耗了过长的时间，也就导致整个的识别过程运行时间过久。所以，我们在block-based bagof words(BBoW，基于词带模型)的基础上进行了改进，运用二分K均值算法来生成视觉词典，由于二分K均值的性能明显优越于传统的K均值算法，所以本发明不仅识别率有所提高，而且大大的缩短了识别过程的运行时间。

发明内容

本发明目的在于提供一种基于词带模型的人脸图像识别方法，识别率高，并且有效缩短识别过程的运行时间。

实现本发明目的技术方案：

一种基于词带模型的人脸图像识别方法，其特征在于：

步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；

步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；

步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。

步骤2中，通过如下方法生成视觉词典，

步骤2.1:把每个区域得到的一组特征点看成是一个数据集C，聚类数目为K，令V＝C，S＝{V}，先从数据集S里选取一个数据集V_j,1≤j≤K；

步骤2.2:在V_j中随机挑选两个点作为聚类初始中心点c_j,j＝1,2，计算所有特征点x_i，(1≤i≤N)到这两个中心点的距离，把所有点分配到离它最近的中心点，然后重新计算中心点的坐标，

$c_j=\frac{1}{m_j}\underset{x\∈C_j}{\mathrm{\Σ}}x$

其中m_j是簇C_j，j＝1,2中特征点的个数；

比较两次的中心点坐标，若发生了改变，则重新计算所有特征点到新聚类中心点的距离，再分配所有特征点到离其最近的中心点，再重新计算中心点坐标，重复这个过程，直到中心点坐标不再发生改变，然后输出簇集V₁,V₂；

步骤2.3:把V₁,V₂放到簇集S中，运用SSE准则选取一个数据集V_j,1≤j≤K，其中SSE表示为：

$\mathrm{SSE}=\underset{x\∈V_j}{\mathrm{\Σ}}\mathrm{dist}{(c_j,x)}^2$

其中c_j是聚类中心坐标，x是V_j中的特征点；

步骤2.4:重复步骤2.2、步骤2.3，直至簇集S中有K个簇，每个区域生成的簇集S就是1个视觉词典，其中包含K个视觉单词，每个视觉单词是每个簇的聚类中心；

步骤2.5：重复步骤2.1至2.4，对应人脸图像分成的25个区域，最终每幅人脸图像生成25个视觉词典。

步骤2中，对于AR数据库，K值取75,对于ORL数据库，K值取80。

步骤1中，采用Dense-SIFT算法进行均匀采样，以2像素间隔对图像进行特征提取。

步骤3中，分类器选用SVM分类器。

本发明具有的有益效果：

本发明是基于词带模型的人脸图像识别方法，用二分K均值算法取代了传统的K均值算法来生成视觉词典，在提高了识别率的基础上，又极大的缩短了运行时间。

1.在生成视觉词典的过程中，二分K均值算法随机选取的初始聚类中心只有两个，大大的降低了聚类结果对初始中心的依赖性，从而也避免了随机产生质心得到局部最优化结果，从而使得生成的视觉词典更准确。

2.在生成视觉词典的过程中，二分K均值算法在每次迭代过程中，只是计算特征点到两个聚类中心的距离，与传统的K均值相比较，计算复杂度有很大程度的降低，从而使得生成视觉词典的时间大大的缩短了。

3.二分K均值算法的聚类性能优于传统的K均值聚类算法，与层次聚类算法的性能相当。所以聚类得到的视觉单词也就越具有代表性，从而由视觉单词得到的视觉词典也就更精确，从而本发明的识别率也要优于BBoW模型的识别率。

附图说明

图1是本发明人脸图像识别方法流程示意图；

图2是本发明中生成视觉词典的流程示意图；

图3是视觉词典生成示意图；

图4是本发明在不同size参数设置下应用于AR及ORL数据库的识别正确率统计结果示意图；

图5是本发明在不同的视觉词典大小参数设置下应用于AR数据库的识别正确率统计结果示意图；

图6是本发明在不同的视觉词典大小参数设置下应用于AR数据库的生成视觉词典所消耗的时间的统计结果示意图；

图7是本发明在不同的视觉词典大小参数设置下应用于ORL数据库的识别正确率统计结果示意图。

具体实施方式

如图1、图2所示，

步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；

采用Dense-SIFT算法进行均匀采样，以2像素间隔对图像进行特征提取，而每个采样网格的大小对应于不同的数据库将设置不同的尺度参数，提取得到每个特征点都是128维的向量，所以，每一个区域都得到了一组特征向量。

步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；

通过如下方法生成视觉词典，

步骤2.1:把每个区域得到的一组特征点看成是一个数据集C，聚类数目为K，令V＝C，S＝{V}，先从数据集S里选取一个数据集V_j,1≤j≤K；

步骤2.2:在V_j中随机挑选两个点作为聚类初始中心点c_j,j＝1,2，计算所有特征点x_i，(1≤i≤N)到这两个中心点的距离，把所有点分配到离它最近的中心点，然后重新计算中心点的坐标，

$c_j=\frac{1}{m_j}\underset{x\∈C_j}{\mathrm{\Σ}}x$

其中m_j是簇C_j，j＝1,2中特征点的个数；

比较两次的中心点坐标，若发生了改变，则重新计算所有特征点到新聚类中心点的距离，再分配所有特征点到离其最近的中心点，再重新计算中心点坐标，重复这个过程，直到中心点坐标不再发生改变，然后输出簇集V₁,V₂；

步骤2.3:把V₁,V₂放到簇集S中，运用SSE准则选取一个数据集V_j,1≤j≤K，其中SSE表示为：

$\mathrm{SSE}=\underset{x\∈V_j}{\mathrm{\Σ}}\mathrm{dist}{(c_j,x)}^2$

其中c_j是聚类中心坐标，x是V_j中的特征点；

步骤2.4:重复步骤2.2、步骤2.3，直至簇集S中有K个簇，每个区域生成的簇集S就是1个视觉词典，其中包含K个视觉单词，每个视觉单词是每个簇的聚类中心；

步骤2.5：重复步骤2.1至2.4，对应人脸图像分成的25个区域，最终每幅人脸图像生成25个视觉词典。

步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。

下面结合具体实施例对本发明进一步说明。

参照图4，旨在对Dense-SIFT描述子进行最优参数选取。“size”和“step”是Dense-SIFT的两个主要参数，“step”表征的是采样的密度，本实验中采用的是2像素；“size”表征的是采样网格的大小。保持其他的参数不变，从图4可以看出，当size取3×3或者3.5×3.5像素的时候，AR数据库的识别率达到最高。对于ORL数据库，当size取2×2或者2.5×2.5的时候识别效果最佳。两个数据库的size取值不同是由于两个数据库的分辨率不同，而之所以在这些取值点识别率最高，是因为对于每一个数据库而言，当size取值过小的时候，采样网格不能够提取足够的信息，后续聚类得到的视觉词典也就不会很精确，从而识别率就会很低；而若size取值过大，采样密度也就相应的降低了，也就不能够提供细小的局部的特征，同样也会使得识别率下降。

参照图5及图6，旨在对二分K均值进行最优参数选取，即视觉词典规模大小进行最优参数选取。对于AR数据库，经过多次试验并对试验结果取均值，我们得到了图5及图6，图5是识别率随着视觉词典大小不同而变化的曲线，图6是生成视觉词典的平均时间随着词典大小不同而变化的曲线，这里的平均时间是指生成25个视觉词典的总平均时间。对比两幅图片可以看出：在K=55到K=75这段取值内，识别率稳步上升；当K=75之后，识别率上升极为缓慢，而此时的时间消耗却大幅度的上升，特别是当K达到200的之后，运行时间急剧增加。这是因为在二分K均值算法的每次迭代过程中都需要计算传统的K均值算法，而传统的K均值算法计算复杂度高，当K达到某一值时，其迭代次数骤然增加，时间复杂度倍增，所以时间消耗也就会急剧增加。而在实际应用过程中，我们必须对识别率和运行时间进行折衷，根据自己的实际需要来选择适当的K值。而对于ORL数据库，由图7可以看出，当K=80的时候识别率最高。因为当K值偏小时，由于生成的视觉单词不足以代表整个类别的特征而导致识别性能偏差；当视觉词典过于大时，一些相似的特征也会被划分至不同的类别中，视觉单词由于分散而缺乏概括性，不能很好的描述对应类别的关键特征，因此反而会导致识别性能的下降。综上，实施时，对于AR数据库，K值取75,对于ORL数据库，K值取80。

表1

表1是BBoW方法与本发明方法应用在AR和ORL数据库上时识别率和生成视觉词典所消耗的时间之间的比较。两种方法在同一数据库上实验时，各参数设置都是相同的，BBoW中运用传统的K均值方法来生成视觉词典，而改进方法中用二分K均值算法来生成视觉词典，这里的运行时间是指生成全部25个视觉词典的平均时间。由表1可以看出改进方法不仅在识别率上有所提高，而且生成视觉词典的时间大大的缩短了。这是因为改进方法中运用到的二分K均值算法对比与传统的K均值算法对初始中心的依赖性低且每次迭代过程计算复杂度低。

Claims (5)

1.一种基于词带模型的人脸图像识别方法，其特征在于：

步骤1：提取数据库中的人脸图像，把人脸图像划分成5×5个区域，然后在每个区域上进行密集特征提取，得到系列特征向量；

步骤2：用二分K均值聚类算法对代表每个区域的特征向量做聚类，生成视觉词典，把特征向量与视觉词典相匹配，生成相应区域的直方图，进而将一幅人脸图像用视觉单词直方图来表示；

步骤3：将代表每一幅人脸图像的视觉单词直方图输入到分类器中，进行训练和分类，最后得到识别结果。

2.根据权利要求1所述的一种基于词带模型的人脸图像识别方法，其特征在于：步骤2中，通过如下方法生成视觉词典，

步骤2.1:把每个区域得到的一组特征点看成是一个数据集C，聚类数目为K，令V＝C，S＝{V}，先从数据集S里选取一个数据集V_j,1≤j≤K；

步骤2.2:在V_j中随机挑选两个点作为聚类初始中心点c_j,j＝1,2，计算所有特征点x_i，(1≤i≤N)到这两个中心点的距离，把所有点分配到离它最近的中心点，然后重新计算中心点的坐标，

$c_j=\frac{1}{m_j}\underset{x\∈C_j}{\mathrm{\Σ}}x$

其中m_j是簇C_j，j＝1,2中特征点的个数；

比较两次的中心点坐标，若发生了改变，则重新计算所有特征点到新聚类中心点的距离，再分配所有特征点到离其最近的中心点，再重新计算中心点坐标，重复这个过程，直到中心点坐标不再发生改变，然后输出簇集V₁,V₂；

步骤2.3:把V₁,V₂放到簇集S中，运用SSE准则选取一个数据集V_j,1≤j≤K，其中SSE表示为：

$\mathrm{SSE}=\underset{x\∈V_j}{\mathrm{\Σ}}\mathrm{dist}{(c_j,x)}^2$

其中c_j是聚类中心坐标，x是V_j中的特征点；

步骤2.4:重复步骤2.2、步骤2.3，直至簇集S中有K个簇，每个区域生成的簇集S就是1个视觉词典，其中包含K个视觉单词，每个视觉单词是每个簇的聚类中心；

步骤2.5：重复步骤2.1至2.4，对应人脸图像分成的25个区域，最终每幅人脸图像生成25个视觉词典。

3.根据权利要求2所述的一种基于词带模型的人脸图像识别方法，其特征在于：步骤2中，对于AR数据库，K值取75,对于ORL数据库，K值取80。

4.根据权利要求3所述的一种基于词带模型的人脸图像识别方法，其特征在于：步骤1中，采用Dense-SIFT算法进行均匀采样，以2像素间隔对图像进行特征提取。

5.根据权利要求4所述的一种基于词带模型的人脸图像识别方法，其特征在于：步骤3中，分类器选用SVM分类器。

Images