CN103745204A - 一种基于斑痣点的体貌特征比对方法 - Google Patents

一种基于斑痣点的体貌特征比对方法 Download PDF

Info

Publication number
CN103745204A
CN103745204A CN201410021365.2A CN201410021365A CN103745204A CN 103745204 A CN103745204 A CN 103745204A CN 201410021365 A CN201410021365 A CN 201410021365A CN 103745204 A CN103745204 A CN 103745204A
Authority
CN
China
Prior art keywords
point
macle
face
conspicuousness
points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410021365.2A
Other languages
English (en)
Other versions
CN103745204B (zh
Inventor
梅林�
胡传平
谭懿先
尚岩峰
齐力
刘云淮
王文斐
蔡烜
王建
何莹
潘淳
吴迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Third Research Institute of the Ministry of Public Security
Original Assignee
Third Research Institute of the Ministry of Public Security
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Third Research Institute of the Ministry of Public Security filed Critical Third Research Institute of the Ministry of Public Security
Priority to CN201410021365.2A priority Critical patent/CN103745204B/zh
Publication of CN103745204A publication Critical patent/CN103745204A/zh
Application granted granted Critical
Publication of CN103745204B publication Critical patent/CN103745204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于斑痣点的体貌特征比对方法，该方法包括以下步骤：通过定位人脸上能够用来指示人脸上特别部位的特征点，将人脸分区；检测人脸各个区域中的斑痣点，提取检测到的斑痣点的特征，并且将其分类；根据斑痣点分类的结果，产生用于描述各类斑痣点在人脸中的分布情况和显著性的特征向量；通过对比两幅图像的特征向量，计算两幅图像的相似度。本发明通过将人脸分区，解决了现有的人脸比对方法对不同的面部表情和姿态敏感的问题，有助于提高人脸识别的准确性。

Description

一种基于斑痣点的体貌特征比对方法
技术领域
本发明涉及机器视觉和身份识别领域，具体涉及一种基于斑痣点的体貌特征比对方法。
背景技术
由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监视视频图像中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。
现有的人脸识别方法主要是从人脸图像上提取全局特征，例如整幅图像的灰度特征、傅里叶特征、离散余弦变换特征（Discrete Cosine Transform，简称DCT特征）等，或局部特征，例如加伯（Gabor）特征、局部二值模式（Local Binary Pattern，简称LBP）特征，然后利用所提取的全局特征或局部特征来实现人脸的识别。随着摄影、摄像设备的不断进步，通过这些设备所能获取图像的分辨率也在不断提高，相应的，图像所能表达的皮肤纹理信息也将更加明显。因此，利用皮肤纹理信息来实现人脸识别已经成为人脸识别方法的新的发展方向。
在现有技术中，已经存在通过皮肤纹理信息的对比来识别人脸的相关方法。在参考文献1“Jean-S‘ebastien Pierrard,Thomas Vetter,‘Skin DetailAnalysis for Face Recognition’,Proceedings of the2007Conference onComputer Vision and Pattern Recognition”和参考文献2“Anil K.Jain andUnsang Park,‘FACIAL MARKS:SOFT BIOMETRIC FOR FACERECOGNITION’,IEEE International Conference on Image Processing(ICIP),2009”中，都提出了通过皮肤纹理信息的对比来做人脸识别的相关方法。该类方法主要包括以下步骤：
步骤1）、对输入的人脸图像利用多尺度的Blob检测子进行Blob点检测。
步骤2）、通过主动形状模型或三维形变模型（3DMorphable Model）获取人脸图像的皮肤区域。
步骤3）、根据步骤2）得到的皮肤模板，找到皮肤区域上的Blob点集合。
步骤4）、根据步骤3）所得到的Blob点集合，计算Blob点的显著性并选择出显著度量值足够大的Blob点。
步骤5）、根据步骤4）得到的Blob点，直接利用Blob的空间位置或特征点的显著性进行匹配，将匹配结果作为两幅图像的相似度。
从对上述方法的步骤描述可以看出，现有技术直接利用Blob点来计算图像的相似度，但在实际应用中，Blob点之间存在较大的差异性，如果不分情况，将所有的Blob点都等同看待，将会影响最后计算得到的相似度的准确性。
对此，专利号为200910244605的中国专利，其提出一种改进的方法。该方法通过将Blob点分层，并且利用每一层Blob点的空间位置进行匹配，提升识别结果的准确性。然而这种方法是通过对比每一层Blob点的空间位置进行匹配的，在实际应用中存在对不同的面部表情和姿态敏感的问题。
发明内容
针对现有技术中通过皮肤纹理信息的对比来做人脸识别的方案所存在的问题，本发明的目的在于提供一种基于斑痣点的体貌特征比对方法，以解决现有技术对不同的面部表情和姿态敏感的问题，有助于提高人脸识别的准确性。
为了达到上述目的，本发明采用如下的技术方案：
一种基于斑痣点的体貌特征比对方法，该方法包括如下步骤：
（1）提取人脸上的特征点，并根据特征点的位置将人脸分区；
（2）检测各个区域中的斑痣点，并根据斑痣点的特征将其分类；
（3）根据斑痣点的所在区域和分类情况，产生一个特征向量；
（4）通过比对两幅图像的特征向量，计算两幅图像的相似度。
在本方案的具体实例中，所述步骤（1）中提取的特征点是指能够用来指示人脸上特别部位的特征点。
进一步的，所述步骤（2）包括如下具体步骤：
（2-1）检测各个区域中的斑痣点；
（2-2）提取检测到的斑痣点的形状、颜色和纹理特征；
（2-3）根据斑痣点的特征将其分类，再根据不同斑痣点的类型，评估斑痣点的显著性。
再进一步的，所述步骤（2-3）中对斑痣点的特征进行分类时，采用两种方式进行分类，一是根据斑痣点的种类进行分类；二是对于相同种类的斑痣点，根据其显著性进行分类。
再进一步的，对于不同种类斑痣点的显著性，根据该种类斑痣点的特点，选择不同的特征进行计算，例如雀斑根据其密度来判断显著性，而疤痕根据其面积来判断显著性。
进一步的，所述步骤3中产生的特征向量从三个方面描述斑痣点，一是斑痣点所在的区域，二是斑痣点的种类，三是斑痣点的显著性。
根据上述方案可知，本发明将人脸分区，比对斑痣点的位置信息时只考虑其所在的区域，而非精确位置，降低了脸部表情和姿态等因素对比对的结果准确性的影响，提高了现有通过皮肤纹理信息的对比来做人脸识别的方法的鲁棒性，有助于提高人脸识别的准确性。
同时本发明不但比对斑痣点的类型，还比对同种类型的斑痣点的显著性，进一步的提高了人脸比对的准确度。
再者本发明人脸比对的结果可用于人脸识别、基于斑痣点的人脸检索等后续应用，具有极强的实用性。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明进行比对的流程图；
图2为人脸分区的示意图；
图3为本发明对斑痣点进行检测和分类的流程图；
图4为斑痣点类型分类的树状图；
图5为待对比图像以及标准人脸图像的参数化的特征向量的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
参见图1，其所示为本实例中利用基于斑痣点的体貌特征比对方法进行人脸识别的流程图。以下基于该流程图来进行说明其实施过程。
整个过程开始于步骤1，在该步骤中首先提取人脸上的特征点，并根据特征点的位置将人脸分区。
该人脸上的特征点是指能够用来指示人脸上特别部位的点，例如用来指示嘴巴、鼻子、眉毛、眼睛的点。人脸特征点的定位可以采用现有技术中的多种方法。本实施例中采用ASM模型来定位人脸的特征点，共提取22个特征点，图2示出了这些特征点的位置分布。
由于直接比对人脸上斑痣点，将存在对不同的面部表情和姿态敏感的问题。因此，出于确保比对结果正确性的考虑，将对人脸图像进行分区，每个区域在特征向量空间中代表一个轴。人脸图像分区数量越大，对比的精度越高，但是相对的对不同的面部表情和姿态越敏感。如图2所示，本实施例中，人脸图像被分为22个区域，但分区的数量并不限于22个，可以根据实际需要来确定。
步骤2、检测各个区域中的斑痣点，并根据斑痣点的特征将其分类。
参见图3，该步骤的具体实现具体由以下几步来实现：
步骤21、检测各个区域中的斑痣点。
由于人脸上的斑痣点为与人脸皮肤基色有异的点，具体地说，人脸上的斑痣点大多是中间暗周边亮或中间亮周边暗的区域。根据这一特征，本实施例采用多尺度的Blob检测子（如高斯差分算子）来检测人脸上不同尺度上的Blob点。在检测到Blob之后，根据其位置信息，将其分到各个区域中。
步骤22、提取步骤21中检测到的斑痣点的形状、颜色和纹理特征。
该步骤中，对于形状特征提取的方法可采用基于边界的形状特征提取（定义边缘的特征描述，常见的有Fourier描述子、几何常量、多边形顶点数、孔径数、曲率等）和基于区域的形状特征提取（例如，使用7个不变矩作为目标区域的特征量）等。
对于颜色特征提取的方法可采用基于直方图的方法、基于颜色矩的方法、基于小波的分块图像的方法等。
对于纹理特征提取的方法可采用基于空间灰度依赖矩阵的方法、基于一阶直方图的方法等。
在本发明中，提取哪种特征、采用哪种方法提取特征，要根据下一步分类的需求来调整。
同时，这三种特征在提取时，其先后顺序，按照分类的具体需求来调整。
步骤23、根据步骤22提取到的斑痣点的特征将其分类。
该步骤中对斑痣点的分类包含两层含义，一是根据斑痣点的种类进行分类，例如判断检测到的斑痣点是疤痕还是雀斑；二是对于相同种类的斑痣点，根据其显著性进行分类，例如若判断所述斑痣点为雀斑，则进一步根据雀斑的密度等特征进行分类。
具体的，先将步骤22中提取的特征，与事先确定好的各类斑痣点的模型进行比对，确定斑痣点的类型。再根据不同斑痣点的类型，采用不同的方法评估斑痣点的显著性。
在本实施例中，斑痣点具体被分为9类，如图4所示包括：白斑03、黑斑02、红斑01、刺青04、疤痕05、雀斑06、痤疮08、痣07和寻常疣09。这九个类型的斑痣点的具体判断方法为：
形状不规则、颜色为红色或较接近肤色的且纹理与周围皮肤接近的可判断为红斑；
形状不规则、颜色为黑色的可判断为黑斑；
形状不规则、颜色亮于周围肤色的可判断为白斑；
形状不规则且较为复杂的、颜色为青黑色或多样的且纹理与周围皮肤相似的可判断为刺青；
形状不规则、颜色较接近肤色且纹理不同于周围皮肤的可判断为疤痕；
形状为多个点、颜色为暗于周围肤色且纹理与周围皮肤相同的可判断为雀斑；
形状为单个圆点、颜色为黑色的可判断为痣；
形状为多个点、颜色为红色或与周围肤色相近的且纹理与周围皮肤差异较大的可判断为痤疮；
形状为单个圆点且点比痤疮的大的、颜色为红色或与周围肤色相近的且纹理与周围皮肤差异较大的可判断为寻常疣。
当然，斑痣点的分类可以根据具体应用的需要进行调整，并不限于本实施例中所述方案。
根据不同斑痣点的类型，选择不同的方法来计算斑痣点的显著性，即不同种类斑痣点的显著性，根据该种类斑痣点的特点，选择不同的特征进行计算。在本实施例中，9种类型的斑痣点的显著性的计算方法分别为：形状不规则的斑痣点，包括红斑01、黑斑02、白斑03、刺青04、疤痕05，可根据其大小来计算显著性；雀斑06和痤疮07可根据其在任一区域中点的个数来计算显著性；痣08和寻常疣09则也可根据其大小来计算显著性。
在本实施例中，计算得出的显著性，将被分为10个等级。显著性所分等级的数量，可根据具体需要进行调整。所分等级越多，比对的精度越高，但方法的鲁棒性会随之降低。
步骤3、根据斑痣点的所在区域和分类情况，产生一个对应的特征向量。
在得到了图像中斑痣点的类型及其显著性后，为图像生成一个描述各类斑痣点在人脸中的分布情况以及其显著性的特征向量。如图5所示，其示出了待对比图像的参数化的特征向量。其中ai代表待对比图像的区域i的参数，k为人脸所分的区域的个数。同时图5还示出了标准人脸图像的参数化的特征向量，其中bi表示标准人脸图像的区域i的参数。参数是由表示斑痣点类型的1-9与表示其显著性的0-9组成的一个范围在1-99的数字，例如，在区域3中检测到一个显著性为5的痣7，则特征向量中a3的值为57。用0来表示在当前区域中，没有检测到任何斑痣点。
步骤4、通过比对两幅图像的特征向量，计算两幅图像的相似度。
在得到待比对人脸图像与标准人脸图像的用于描述各类斑痣点分布信息和显著性的特征向量后，就可以利用上述的特征向量来实现人脸识别。该特征向量用于描述各类斑痣点在人脸中的分布情况和显著性，具体的其从三个方面描述斑痣点，一是斑痣点所在的区域，二是斑痣点的种类，三是斑痣点的显著性。
如图5所示，由于两个待比较图像中的斑痣点信息分为多个区域，因此首先计算每个区域中斑痣点的相似度。可以采用如下策略：
当表示斑痣点类型的参数的十位数不同时，判断相似度为0。
当表示斑痣点类型的参数的十位数相同时，计算出两图表示斑痣点显著性的参数的个位数的差的绝对值，由于得到的结果越大相似度越小，结果越小相似度越大，相似度可根据以下公式来计算：
相似度＝（L–参数的个位数的差的绝对值）/L
其中L为斑痣点的显著性所分的级数，本实施例中L为10。
例如，待对比人脸图像的区域3的参数a3为58，标准人脸图像的区域3的参数b3为56，那么其相似度则为0.8。
当两图中同一区域的参数都为0时，其相似度为1。
最后，在计算出每个区域中斑痣点的相似度后，对所有区域中斑痣点的相似度求和，得到两幅图像的整体相似度。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种基于斑痣点的体貌特征比对方法，其特征在于，所述对比方法包括如下步骤：
（1）提取人脸上的特征点，并根据特征点的位置将人脸分区；
（2）检测各个区域中的斑痣点，并根据斑痣点的特征将其分类；
（3）根据斑痣点的所在区域和分类情况，产生一个特征向量；
（4）通过比对两幅图像的特征向量，计算两幅图像的相似度。
2.根据权利要求1所述的一种基于斑痣点的体貌特征比对方法，其特征在于，所述步骤（1）中提取的特征点是指能够用来指示人脸上特别部位的特征点。
3.根据权利要求1所述的一种基于斑痣点的体貌特征比对方法，其特征在于，所述步骤（2）包括如下具体步骤：
（2-1）检测各个区域中的斑痣点；
（2-2）提取检测到的斑痣点的形状、颜色和纹理特征；
（2-3）根据斑痣点的特征将其分类，再根据不同斑痣点的类型，评估斑痣点的显著性。
4.根据权利要求1所述的一种基于斑痣点的体貌特征比对方法，其特征在于，所述步骤（2-3）中对斑痣点的特征进行分类时，采用两种方式进行分类，一是根据斑痣点的种类进行分类；二是对于相同种类的斑痣点，根据其显著性进行分类。
5.根据权利要求3或4所述的一种基于斑痣点的体貌特征比对方法，其特征在于，对于不同种类斑痣点的显著性，根据该种类斑痣点的特点，选择不同的特征进行计算，例如雀斑根据其密度来判断显著性，而疤痕根据其面积来判断显著性。
6.根据权利要求1所述的一种基于斑痣点的体貌特征比对方法，其特征在于，所述步骤3中产生的特征向量从三个方面描述斑痣点，一是斑痣点所在的区域，二是斑痣点的种类，三是斑痣点的显著性。
CN201410021365.2A 2014-01-17 2014-01-17 一种基于斑痣点的体貌特征比对方法 Active CN103745204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410021365.2A CN103745204B (zh) 2014-01-17 2014-01-17 一种基于斑痣点的体貌特征比对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410021365.2A CN103745204B (zh) 2014-01-17 2014-01-17 一种基于斑痣点的体貌特征比对方法

Publications (2)

Publication Number Publication Date
CN103745204A true CN103745204A (zh) 2014-04-23
CN103745204B CN103745204B (zh) 2017-11-28

Family

ID=50502221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410021365.2A Active CN103745204B (zh) 2014-01-17 2014-01-17 一种基于斑痣点的体貌特征比对方法

Country Status (1)

Country Link
CN (1) CN103745204B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN106407915A (zh) * 2016-08-31 2017-02-15 广州精点计算机科技有限公司 一种基于svm的人脸特征识别方法及装置
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN108780497A (zh) * 2017-11-14 2018-11-09 深圳和而泰智能控制股份有限公司 一种皮肤瑕疵点分类方法及电子设备
CN113723310A (zh) * 2021-08-31 2021-11-30 平安科技（深圳）有限公司 基于神经网络的图像识别方法及相关装置
TWI790414B (zh) * 2020-01-16 2023-01-21 趙尚威 用於人體之特徵辨識方法及其系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719222A (zh) * 2009-11-27 2010-06-02 北京中星微电子有限公司 分类器训练方法和装置以及人脸认证方法和装置
CN101751559A (zh) * 2009-12-31 2010-06-23 中国科学院计算技术研究所 人脸皮肤斑痣点检测及利用皮肤斑痣识别人脸的方法
CN102426652A (zh) * 2011-10-10 2012-04-25 北京工业大学 基于图像分析的中医面色识别和检索方法
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719222A (zh) * 2009-11-27 2010-06-02 北京中星微电子有限公司 分类器训练方法和装置以及人脸认证方法和装置
CN101751559A (zh) * 2009-12-31 2010-06-23 中国科学院计算技术研究所 人脸皮肤斑痣点检测及利用皮肤斑痣识别人脸的方法
CN102426652A (zh) * 2011-10-10 2012-04-25 北京工业大学 基于图像分析的中医面色识别和检索方法
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JEAN-SEBASTIEN PIERRARD,ETC: "Skin Detail Analysis for Face Recognition", 《COMPUTER VISION AND PATTERN RECOGNITION》 *
吕峰，高春林: "支持向量机在皮肤症状图像识别中的应用研究", 《计算机仿真》 *
艾武: "基于支持向量机的色素斑痣类皮肤症状识别研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN106407915A (zh) * 2016-08-31 2017-02-15 广州精点计算机科技有限公司 一种基于svm的人脸特征识别方法及装置
CN106529429A (zh) * 2016-10-27 2017-03-22 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN106529429B (zh) * 2016-10-27 2019-08-16 中国计量大学 一种基于图像识别的面部皮肤分析系统
CN108780497A (zh) * 2017-11-14 2018-11-09 深圳和而泰智能控制股份有限公司 一种皮肤瑕疵点分类方法及电子设备
WO2019095118A1 (zh) * 2017-11-14 2019-05-23 深圳和而泰智能控制股份有限公司 一种皮肤瑕疵点分类方法及电子设备
TWI790414B (zh) * 2020-01-16 2023-01-21 趙尚威 用於人體之特徵辨識方法及其系統
CN113723310A (zh) * 2021-08-31 2021-11-30 平安科技（深圳）有限公司 基于神经网络的图像识别方法及相关装置
CN113723310B (zh) * 2021-08-31 2023-09-05 平安科技（深圳）有限公司 基于神经网络的图像识别方法及相关装置

Also Published As

Publication number Publication date
CN103745204B (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN108805093B (zh) 基于深度学习的手扶电梯乘客摔倒检测方法
CN104517104B (zh) 一种基于监控场景下的人脸识别方法及系统
Polikovsky et al. Facial micro-expression detection in hi-speed video based on facial action coding system (FACS)
Tapia et al. Gender classification from iris images using fusion of uniform local binary patterns
TWI383325B (zh) 臉部表情辨識
Merad et al. Fast people counting using head detection from skeleton graph
CN103745204A (zh) 一种基于斑痣点的体貌特征比对方法
Pandey et al. Hand gesture recognition for sign language recognition: A review
CN102663411B (zh) 一种目标人体识别方法
CN103310194A (zh) 视频中基于头顶像素点梯度方向的行人头肩部检测方法
JP2013186546A (ja) 人物検索システム
Mantecon et al. Depth-based face recognition using local quantized patterns adapted for range data
Xie et al. A novel transient wrinkle detection algorithm and its application for expression synthesis
KR101326691B1 (ko) 지역적 특징의 통계적 학습을 통한 강건한 얼굴인식방법
Kwaśniewska et al. Face detection in image sequences using a portable thermal camera
Chidananda et al. Entropy-cum-Hough-transform-based ear detection using ellipsoid particle swarm optimization
Shah et al. Multi-camera handoff for person re-identification
Kwaśniewska et al. Real-time facial feature tracking in poor quality thermal imagery
Cintas et al. Automatic ear detection and segmentation over partially occluded profile face images
Das Human’s facial parts extraction to recognize facial expression
CN105404883B (zh) 一种异质三维人脸识别方法
Bagchi et al. A novel approach to nose-tip and eye corners detection using HK curvature analysis in case of 3D images
Yang et al. Person reidentification by kernel pca based appearance learning
Riaz et al. A model based approach for expressions invariant face recognition
Vezzetti et al. Application of geometry to rgb images for facial landmark localisation-a preliminary approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant