CN106934335B - 图像识别的方法和装置 - Google Patents
图像识别的方法和装置 Download PDFInfo
- Publication number
- CN106934335B CN106934335B CN201511033082.0A CN201511033082A CN106934335B CN 106934335 B CN106934335 B CN 106934335B CN 201511033082 A CN201511033082 A CN 201511033082A CN 106934335 B CN106934335 B CN 106934335B
- Authority
- CN
- China
- Prior art keywords
- image
- analysis
- face image
- signal
- hilbert transform
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000010606 normalization Methods 0.000 claims abstract description 66
- 238000005286 illumination Methods 0.000 claims abstract description 21
- 238000004141 dimensional analysis Methods 0.000 claims description 87
- 238000013507 mapping Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像识别的方法和装置。其中，该方法包括：从人脸图像的解析图像中获取解析信号，其中，解析信号的幅度值携带有人脸图像中表征光照的信息；对解析信号中的幅度值进行归一化处理；对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别。本发明解决了人脸识别的识别率比较低的技术问题。
Description
技术领域
本发明涉及人脸识别领域，具体而言，涉及一种图像识别的方法和装置。
背景技术
主成分分析(Principal Component Analysis,PCA)是一种比较准确的人脸识别算法，通过一定的训练,提取人脸图像的主成分,进行非监督的学习方法,进而实现人脸识别和人脸辨别。
现有的主成分分析PCA人脸识别方法,受到光照的影响比较大，对亮度变换的鲁棒性较低。在图像光照有变化的时候,识别率会比较低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像识别的方法和装置，以至少解决人脸识别的识别率比较低的技术问题。
根据本发明实施例的一个方面，提供了一种图像识别的方法，包括：从人脸图像的解析图像中获取解析信号，其中，所述解析信号的幅度值携带有所述人脸图像中表征光照的信息；对所述解析信号中的所述幅度值进行归一化处理；对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别。
可选地，从人脸图像的解析图像中获取解析信号包括：获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取2个希尔伯特变换解析信号；或者获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取四元数解析信号。
可选地，所述2个希尔伯特变换解析信号为
其中，f是所述人脸图像的2维解析图像，ψ1和ψ3为所述2维解析图像的希尔伯特变换的映射值，a1和a3为所述2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，对所述解析信号中的所述幅度值进行归一化处理包括：对所述a1和所述a3进行归一化处理。
可选地，所述四元数解析信号为
其中，f是所述人脸图像的2维解析图像，ψq为所述2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，
和
是相位值，i、j和k是四元数的虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，对所述解析信号中的所述幅度值进行归一化处理包括：对所述aq进行归一化处理。
可选地，对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别包括：将所述归一化处理后得到的幅度值输入到所述解析信号中；利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像；对重建的人脸图像进行人脸识别。
可选地，在所述解析信号为2个希尔伯特变换解析信号时，利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为所述2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值。
可选地，在所述解析信号为四元数解析信号时，利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为所述四元数解析信号的归一化后的幅度值。
根据本发明实施例的一个方面，提供了一种图像识别的装置，包括：获取单元，用于从人脸图像的解析图像中获取解析信号，其中，所述解析信号的幅度值携带有所述人脸图像中表征光照的信息；处理单元，用于对所述解析信号中的所述幅度值进行归一化处理；识别单元，用于对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别。
可选地，获取单元包括：第一获取模块，用于获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取2个希尔伯特变换解析信号；或者第二获取模块，用于获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取四元数解析信号。
可选地，所述2个希尔伯特变换解析信号为
其中，f是所述人脸图像的2维解析图像，ψ1和ψ3为所述2维解析图像的希尔伯特变换的映射值，a1和a3为所述2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，所述处理单元还用于对所述a1和所述a3分别进行归一化处理。
可选地，所述四元数解析信号为
其中，f是所述人脸图像的2维解析图像，ψq为所述2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，
和
是相位值，i、j和k是四元数的虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，所述处理单元还用于对所述aq进行归一化处理。
可选地，所述识别单元包括：输入模块，用于将所述归一化处理后得到的幅度值输入到所述解析信号中；重建模块，用于利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像；识别模块，用于对重建的人脸图像进行人脸识别。
可选地，在所述解析信号为2个希尔伯特变换解析信号时，所述重建模块利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为所述2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值。
可选地，在所述解析信号为四元数解析信号时，所述重建模块利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为所述四元数解析信号的归一化后的幅度值。
在本发明实施例中，采用从人脸图像的解析图像中获取解析信号，其中，解析信号的幅度值携带有人脸图像中表征光照的信息；对解析信号中的幅度值进行归一化处理；对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别的方式，在对采集的人脸图像进行识别之前，对解析新型号中携带有表征光照的信息的幅度值，将幅度值继续归一化处理，降低多个幅度值之间的幅度差，也就消除了较高亮度和较低亮度之间的亮度差，提高了亮度变换的鲁棒性，降低了光照对采集到的人脸图像的影响。然后利用归一化处理后的幅度值重建人脸图像，重建的人脸图像消除了采集的人脸图像中光照变化对人脸识别的影响，从而在利用重建的人脸图像在进行图像识别时，能够提高人脸识别的准确率，从而解决了现有技术人脸识别的识别率比较低的技术问题，达到了提高人脸识别的识别率的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的图像识别的方法的流程图；
图2是根据本发明实施例的图像识别的装置的示意图；
图3是根据本发明一实施例的图像识别装置中获取单元包括第一获取模块的示意图；
图4是根据本发明另一实施例的图像识别装置中获取单元包括第二获取模块的示意图；
图5是根据本发明实施例的图像识别装置中识别单元包括多个模块的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种图像识别的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
该图像识别的方法是在获得人脸图像之后，对获得的人脸图像进行预处理，将人脸图像中携带有光照信息的幅度值进行归一化处理，以消除亮度对人脸图像的影响。然后利用处理后的幅度值重建人脸图像，并对重建后的人脸图像进行识别，提高了人脸识别过程亮度变化的鲁棒性，从而解决了人脸识别过程中光照变化下使得对人脸识别的识别率比较低的技术问题，到达了提高人脸识别率的技术效果。
由于该图像识别的方法中对人脸图像的处理是应用在识别之前的，是对人脸图像的预处理，因此，其不受限于采用何种人脸识别算法，可以应用以PCA为人脸识别算法的人脸识别中，也可以应用以其他人脸识别算法的人脸识别中。
图1是根据本发明实施例的图像识别的方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，从人脸图像的解析图像中获取解析信号，其中，解析信号的幅度值携带有人脸图像中表征光照的信息。
步骤S104，对解析信号中的幅度值进行归一化处理。
步骤S106，对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别。
在采集到人脸图像后，计算人脸图像的解析图像，并从解析图像中提取出解析信号，该解析信号用来表征采集的人脸图像。在对采集的人脸图像进行识别之前，对解析新型号中携带有表征光照的信息的幅度值，将幅度值继续归一化处理，降低多个幅度值之间的幅度差，也就消除了较高亮度和较低亮度之间的亮度差，提高了亮度变换的鲁棒性，降低了光照对采集到的人脸图像的影响。然后利用归一化处理后的幅度值重建人脸图像，重建的人脸图像消除了采集的人脸图像中光照变化对人脸识别的影响，从而在利用重建的人脸图像在进行图像识别时，能够提高人脸识别的准确率，从而解决了现有技术人脸识别的识别率比较低的技术问题，达到了提高人脸识别的识别率的效果。
可选地，对采集的人脸图像可以计算其2维解析图像，2维解析图像可以以下两种方式进行定义：即从人脸图像的解析图像中获取解析信号包括：获取人脸图像的2维解析图像，并从2维解析图像中获取2个希尔伯特变换解析信号；或者获取人脸图像的2维解析图像，并从2维解析图像中获取四元数解析信号。
(1)2个希尔伯特变换解析信号为
其中，f是人脸图像的2维解析图像，ψ1和ψ3为2维解析图像的希尔伯特变换的映射值，a1和a3为2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是2维解析图像f的希尔伯特变换，Hx{f}是2维解析图像f的x方向的希尔伯特变换，Hy{f}是2维解析图像f的y方向的希尔伯特变换，对解析信号中的幅度值进行归一化处理包括：对a1和a3进行归一化处理。
在上述2个希尔伯特变换解析信号中，a1和a3为2个希尔伯特变换解析信号的幅度值，对a1和a3进行归一化处理，使得2个希尔伯特变换解析信号的幅度值都变换成相对值，缩小了不同幅度值之间的幅度差，从而缩小了不同亮度之间的亮度差，也就提高了对亮度变化的鲁棒性，避免了采集的人脸图像在亮度变化下对有较大的变化。
(2)四元数解析信号为
其中，f是人脸图像的2维解析图像，ψq为2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，
和
是相位值，i、j和k是四元数的虚数单位，H{f}是2维解析图像f的希尔伯特变换，Hx{f}是2维解析图像f的x方向的希尔伯特变换，Hy{f}是2维解析图像f的y方向的希尔伯特变换，对解析信号中的幅度值进行归一化处理包括：对aq进行归一化处理。
在上述四元数解析信号中，aq为四元数解析信号的幅度值，对aq进行归一化处理，消除部分亮度变化的信息，而这部分亮度变化的信息是对人脸识别有负面影响、造成人脸识别不准确的信息，因此，利用归一化后的幅度值重建的人脸图像不再携带有这些消除的亮度变化的信息，从而提高了人脸识别的识别率和准确率。
需要说明的是，采集的人脸图像也可以采用其他形式的2维解析图像，并对2维解析图像的解析信号中的幅度值进行归一化处理，以进行人脸识别。
可选地，对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别包括：将归一化处理后得到的幅度值输入到解析信号中；利用输入有归一化处理后得到的幅度值的解析信号重建人脸图像；对重建的人脸图像进行人脸识别。
将归一化处理后得到的幅度值输入到上述解析信号中，例如，a1和a3归一化后相应得到a1nor和a3nor，aq归一化后相应得到aqnor。
对于2个希尔伯特变换解析信号，将a1nor和a3nor带入到上述2个希尔伯特变换解析信号中，以替换归一化之前的a1和a3，带入后得到重建的图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值。
对于四元数解析信号，将aqnor带入到上述四元数解析信号中，以替换归一化之前的aq，带入后得到重建的图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为四元数解析信号的归一化后的幅度值。
通过上述实施例，可以实现对人脸图像的2维解析图像中的幅度值进行归一化，消除部分亮度变化的信息，再利用归一化后的幅度值进行人脸图像的重建时，消除了这部分亮度信息所带来的降低人脸识别的识别率的问题，解决了人脸识别的识别率低的问题，达到了提高人脸识别的识别率的技术效果。
本发明实施例还提供了一种图像识别的装置，该图像识别的装置可以执行上述图像识别的方法，如图2所示，该图像识别的装置包括：获取单元10、处理单元20和识别单元30。
获取单元10用于从人脸图像的解析图像中获取解析信号，其中，解析信号的幅度值携带有人脸图像中表征光照的信息。
处理单元20用于对解析信号中的幅度值进行归一化处理。
识别单元30用于对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别。
在采集到人脸图像后，计算人脸图像的解析图像，并从解析图像中提取出解析信号，该解析信号用来表征采集的人脸图像。在对采集的人脸图像进行识别之前，对解析新型号中携带有表征光照的信息的幅度值，将幅度值继续归一化处理，降低多个幅度值之间的幅度差，也就消除了较高亮度和较低亮度之间的亮度差，提高了亮度变换的鲁棒性，降低了光照对采集到的人脸图像的影响。然后利用归一化处理后的幅度值重建人脸图像，重建的人脸图像消除了采集的人脸图像中光照变化对人脸识别的影响，从而在利用重建的人脸图像在进行图像识别时，能够提高人脸识别的准确率，从而解决了现有技术人脸识别的识别率比较低的技术问题，达到了提高人脸识别的识别率的效果。
可选地，对采集的人脸图像可以计算其2维解析图像，2维解析图像可以以下两种方式进行定义：即如图3和图4所示，获取单元10包括：第一获取模块102，用于获取人脸图像的2维解析图像，并从2维解析图像中获取2个希尔伯特变换解析信号；或者第二获取模块104，用于获取人脸图像的2维解析图像，并从2维解析图像中获取四元数解析信号。
(1)2个希尔伯特变换解析信号为
其中，f是人脸图像的2维解析图像，ψ1和ψ3为2维解析图像的希尔伯特变换的映射值，a1和a3为2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是2维解析图像f的希尔伯特变换，Hx{f}是2维解析图像f的x方向的希尔伯特变换，Hy{f}是2维解析图像f的y方向的希尔伯特变换，处理单元还用于对a1和a3分别进行归一化处理。
在上述2个希尔伯特变换解析信号中，a1和a3为2个希尔伯特变换解析信号的幅度值，对a1和a3进行归一化处理，使得2个希尔伯特变换解析信号的幅度值都变换成相对于1的相对值，缩小较大的幅度值，增大较小的幅度值，缩小了不同幅度值之间的幅度差，从而缩小了不同亮度之间的亮度差，也就提高了对亮度变化的鲁棒性，避免了采集的人脸图像在亮度变化下对有较大的变化。
需要说明的是，此处的缩小和增大幅度值是相对于解析信号中的幅度值，以便于重建人脸图像。
(2)四元数解析信号为
其中，f是人脸图像的2维解析图像，ψq为2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，
和
是相位值，i、j和k是四元数的虚数单位，H{f}是2维解析图像f的希尔伯特变换，Hx{f}是2维解析图像f的x方向的希尔伯特变换，Hy{f}是2维解析图像f的y方向的希尔伯特变换，处理单元还用于对aq进行归一化处理。
在上述四元数解析信号中，aq为四元数解析信号的幅度值，对aq进行归一化处理，消除部分亮度变化的信息，而这部分亮度变化的信息是对人脸识别有负面影响、造成人脸识别不准确的信息，因此，利用归一化后的幅度值重建的人脸图像不再携带有这些消除的亮度变化的信息，从而提高了人脸识别的识别率和准确率。
需要说明的是，采集的人脸图像也可以采用其他形式的2维解析图像，并对2维解析图像的解析信号中的幅度值进行归一化处理，以进行人脸识别。
可选地，如图5所示，识别单元30包括：输入模块302，用于将归一化处理后得到的幅度值输入到解析信号中；重建模块304，用于利用输入有归一化处理后得到的幅度值的解析信号重建人脸图像；识别模块306，用于对重建的人脸图像进行人脸识别。
将归一化处理后得到的幅度值输入到上述解析信号中，例如，a1和a3归一化后相应得到a1nor和a3nor，aq归一化后相应得到aqnor。
对于2个希尔伯特变换解析信号，将a1nor和a3nor带入到上述2个希尔伯特变换解析信号中，以替换归一化之前的a1和a3，带入后得到重建的图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值。
对于四元数解析信号，将aqnor带入到上述四元数解析信号中，以替换归一化之前的aq，带入后得到重建的图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为四元数解析信号的归一化后的幅度值。
通过上述实施例，可以实现对人脸图像的2维解析图像中的幅度值进行归一化，消除部分亮度变化的信息，减少亮度干扰，再利用归一化后的幅度值进行人脸图像的重建时，消除了这部分亮度信息所带来的降低人脸识别的识别率的问题，解决了人脸识别的识别率低的问题，达到了提高人脸识别的识别率的技术效果。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种图像识别的方法，其特征在于，包括：
从人脸图像的解析图像中获取解析信号，其中，所述解析信号的幅度值携带有所述人脸图像中表征光照的信息；
对所述解析信号中的所述幅度值进行归一化处理；
对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别；
其中，对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别包括：将所述归一化处理后得到的幅度值输入到所述解析信号中；利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像；对重建的人脸图像进行人脸识别；
在所述解析信号为2个希尔伯特变换解析信号时，利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为所述2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值；
在所述解析信号为四元数解析信号时，利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为所述四元数解析信号的归一化后的幅度值,
和
是相位值，i、j和k是四元数的虚数单位。
2.根据权利要求1所述的方法，其特征在于，从人脸图像的解析图像中获取解析信号包括：
获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取2个希尔伯特变换解析信号；或者
获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取四元数解析信号。
3.根据权利要求2所述的方法，其特征在于，所述2个希尔伯特变换解析信号为
其中，f是所述人脸图像的2维解析图像，ψ1和ψ3为所述2维解析图像的希尔伯特变换的映射值，a1和a3为所述2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，
对所述解析信号中的所述幅度值进行归一化处理包括：对所述a1和所述a3进行归一化处理。
4.根据权利要求2所述的方法，其特征在于，所述四元数解析信号为
其中，f是所述人脸图像的2维解析图像，ψq为所述2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，
对所述解析信号中的所述幅度值进行归一化处理包括：对所述aq进行归一化处理。
5.一种图像识别的装置，其特征在于，包括：
获取单元，用于从人脸图像的解析图像中获取解析信号，其中，所述解析信号的幅度值携带有所述人脸图像中表征光照的信息；
处理单元，用于对所述解析信号中的所述幅度值进行归一化处理；
识别单元，用于对利用归一化处理后得到的幅度值重建的人脸图像进行图像识别；
其中，所述识别单元包括：
输入模块，用于将所述归一化处理后得到的幅度值输入到所述解析信号中；
重建模块，用于利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像；
识别模块，用于对重建的人脸图像进行人脸识别；
在所述解析信号为2个希尔伯特变换解析信号时，所述重建模块利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，a1nor和a3nor为所述2个希尔伯特变换解析信号的归一化后的幅度值，
和
是解析信号的相位值；
在所述解析信号为四元数解析信号时，所述重建模块利用输入有所述归一化处理后得到的幅度值的解析信号重建人脸图像，得到的人脸图像如下：
其中，fnew(x,y)为重建的人脸图像，aqnor为所述四元数解析信号的归一化后的幅度值,
和
是相位值，i、j和k是四元数的虚数单位。
6.根据权利要求5所述的装置，其特征在于，所述获取单元包括：
第一获取模块，用于获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取2个希尔伯特变换解析信号；或者
第二获取模块，用于获取所述人脸图像的2维解析图像，并从所述2维解析图像中获取四元数解析信号。
7.根据权利要求6所述的装置，其特征在于，所述2个希尔伯特变换解析信号为
其中，f是所述人脸图像的2维解析图像，ψ1和ψ3为所述2维解析图像的希尔伯特变换的映射值，a1和a3为所述2个希尔伯特变换解析信号的幅度值，
和
是解析信号的相位值，i'是虚数单位，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，
所述处理单元还用于对所述a1和所述a3分别进行归一化处理。
8.根据权利要求6所述的装置，其特征在于，所述四元数解析信号为
其中，f是所述人脸图像的2维解析图像，ψq为所述2维解析图像的希尔伯特变换的映射值，aq为四元数解析信号的幅度值，H{f}是所述2维解析图像f的希尔伯特变换，Hx{f}是所述2维解析图像f的x方向的希尔伯特变换，Hy{f}是所述2维解析图像f的y方向的希尔伯特变换，
所述处理单元还用于对所述aq进行归一化处理。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511033082.0A CN106934335B (zh) | 2015-12-31 | 2015-12-31 | 图像识别的方法和装置 |
| PCT/CN2016/109137 WO2017114133A1 (zh) | 2015-12-31 | 2016-12-09 | 图像识别的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511033082.0A CN106934335B (zh) | 2015-12-31 | 2015-12-31 | 图像识别的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106934335A CN106934335A (zh) | 2017-07-07 |
| CN106934335B true CN106934335B (zh) | 2021-02-02 |
Family
ID=59224459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511033082.0A Active CN106934335B (zh) | 2015-12-31 | 2015-12-31 | 图像识别的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN106934335B (zh) |
| WO (1) | WO2017114133A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163940B (zh) * | 2018-05-24 | 2023-04-18 | 腾讯科技（深圳）有限公司 | 超声图像的显示方法和装置、存储介质及电子装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4071695A (en) * | 1976-08-12 | 1978-01-31 | Bell Telephone Laboratories, Incorporated | Speech signal amplitude equalizer |
| US8503800B2 (en) * | 2007-03-05 | 2013-08-06 | DigitalOptics Corporation Europe Limited | Illumination detection using classifier chains |
| CN100361157C (zh) * | 2005-03-31 | 2008-01-09 | 上海交通大学 | 多分辨率的四元小波相位匹配方法 |
| CN101089874B (zh) * | 2006-06-12 | 2010-08-18 | 华为技术有限公司 | 一种远程人脸图像的身份识别方法 |
| US8064653B2 (en) * | 2007-11-29 | 2011-11-22 | Viewdle, Inc. | Method and system of person identification by facial image |
| CN100557623C (zh) * | 2008-05-13 | 2009-11-04 | 清华大学 | 基于各向异性双树复小波包变换的人脸识别方法 |
| CN103065299B (zh) * | 2012-12-22 | 2016-06-15 | 深圳先进技术研究院 | 超声图像边缘提取方法和装置 |
| CN103295010B (zh) * | 2013-05-30 | 2016-06-29 | 西安理工大学 | 一种处理人脸图像的光照归一化方法 |
| CN103400114A (zh) * | 2013-07-18 | 2013-11-20 | 上海交通大学 | 针对人脸识别的光照归一化处理系统 |
| CN103500339B (zh) * | 2013-09-11 | 2017-07-21 | 北京工业大学 | 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法 |
| CN103646244B (zh) * | 2013-12-16 | 2018-01-09 | 北京天诚盛业科技有限公司 | 人脸特征的提取、认证方法及装置 |
| CN103778434A (zh) * | 2014-01-16 | 2014-05-07 | 重庆邮电大学 | 一种基于多分辨率多阈值局部二值模式的人脸识别方法 |
-
2015
- 2015-12-31 CN CN201511033082.0A patent/CN106934335B/zh active Active
-
2016
- 2016-12-09 WO PCT/CN2016/109137 patent/WO2017114133A1/zh active Application Filing
Non-Patent Citations (1)
| Title |
|---|
| Emotion recognition from electrocardiogram signals using Hilbert Huang Transform;Jerritta S等;《2012 IEEE Conference on Sustainable Utilization and Development in Engineering and Technology(STUDENT)》;20130111;第82-86页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106934335A (zh) | 2017-07-07 |
| WO2017114133A1 (zh) | 2017-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110353675B (zh) | 基于图片生成的脑电信号情感识别方法及装置 | |
| Zhao et al. | Discrete cosine transform network for guided depth map super-resolution | |
| JP7490141B2 (ja) | 画像検出方法、モデルトレーニング方法、画像検出装置、トレーニング装置、機器及びプログラム | |
| Chen et al. | Boosted attention: Leveraging human attention for image captioning | |
| CN110969124A (zh) | 基于轻量级多分支网络的二维人体姿态估计方法及系统 | |
| CN109344889B (zh) | 脑疾病分类装置、用户终端和计算机可读存储介质 | |
| Ng et al. | Iris recognition using rapid Haar wavelet decomposition | |
| CN115590515A (zh) | 基于生成式自监督学习和脑电信号的情绪识别方法及系统 | |
| CN114972929B (zh) | 一种医学多模态模型的预训练方法及装置 | |
| CN113486752B (zh) | 基于心电信号的情感识别方法及系统 | |
| CN112929695A (zh) | 视频去重方法、装置、电子设备和存储介质 | |
| CN110738660A (zh) | 基于改进U-net的脊椎CT图像分割方法及装置 | |
| EP2531956B1 (en) | Image recognition system based on cascaded over-complete dictionaries | |
| CN111954250A (zh) | 一种轻量级Wi-Fi行为感知方法和系统 | |
| CN111814682A (zh) | 人脸活体检测方法及装置 | |
| CN111839551A (zh) | 一种基于视频和生理信号的多模态情感识别方法及系统 | |
| Patil et al. | An Automatic Approach for Translating Simple Images into Text Descriptions and Speech for Visually Impaired People | |
| WO2017070841A1 (zh) | 图像处理方法和装置 | |
| CN106940904A (zh) | 基于人脸识别和语音识别的考勤系统 | |
| Kim et al. | Bridging the BCI illiteracy gap: a subject-to-subject semantic style transfer for EEG-based motor imagery classification | |
| CN104268834A (zh) | 一种基于数字图像处理技术的标准等级烟叶图像数据库的合成方法 | |
| CN106934335B (zh) | 图像识别的方法和装置 | |
| CN113963193A (zh) | 车身颜色分类模型生成的方法、装置以及存储介质 | |
| CN111462004B (zh) | 图像增强方法和装置、计算机设备、存储介质 | |
| CN111626313A (zh) | 一种特征提取模型训练方法、图像处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210120 Address after: 226600 Building 2, No.9 Tianfa Road, Chengdong Town, Hai'an City, Nantong City, Jiangsu Province Applicant after: Nantong Donghua Software Co., Ltd Address before: 518000 Guangdong, Shenzhen, Nanshan District, Nanhai Road, West Guangxi Temple Road North Sunshine Huayi Building 1 15D-02F Applicant before: SHEN ZHEN KUANG-CHI HEZHONG TECHNOLOGY Ltd. |
|
| TA01 | Transfer of patent application right |