专利名称：基于结构化误差编码的人脸遮挡检测方法
技术领域：
本发明属于图像处理领域，特别是涉及人脸识别领域。
背景技术：
随着信息技术的高速发展，人脸识别技术已广泛应用于现实生活中，如银行的各类ATM取款机对取款人的监控，海关、关口对进出旅客的监控。在实际人脸图像处理过程中，人脸图像的遮挡(如眼镜、口罩、围巾等)会经常出现，而遮挡对人脸识别或人脸合成而言是个极大的障碍。因此，如何快速、自动地检测人脸遮挡并重建人脸遮挡区域的图像，成为近年来人脸图像处理的研究热点之一。
目前已有的遮挡检测技术主要是基于对重构误差的处理，即首先用训练样本对有遮挡的图像进行重构，得到无遮挡的重构图像，然后计算两者之间的误差，通过分析误差的大小，判定被遮挡的区域。基于误差分析的遮挡检测技术主要可分为基于字典的稀疏编码方法，基于误差度量的方法，基于误差分布的方法，以及基于误差结构的方法。这些方法在处理连续遮挡时，有个共同的问题当图像维数低于某一临界值或遮挡面积高于某一百分点时，检测准确率会显著而非平缓地下降。针对此问题，本发明提出一种新的基于结构化误差编码的人脸遮挡检测方法。
发明内容
本发明提供一种检测准确率高、可行性好的基于结构化误差编码的人脸遮挡检测方法，适合于处理图像维数较低或遮挡面积较大情况。为解决上述技术问题，本发明采用的技术方案是提供基于结构化误差编码的人脸遮挡检测方法，包括以下步骤步骤I :将待检测人脸图像数据和训练样本数据拉伸为列向量；步骤2 :定义误差支撑，并初始化；步骤3 :在最小化⑶误差准则下，由误差支撑，计算待检测人脸图像数据对由训练样本数据构成的字典的稀疏编码和重构误差；步骤4 :根据重构误差估计误差支撑；步骤5 :建立描述误差支撑的形态图，由形态图和重构误差，再次估计误差支撑；步骤6 :迭代步骤3-5，得到重构误差序列和误差支撑序列；步骤7 :选取最优误差支撑，并根据最优误差支撑获得待检测人脸图像中被遮挡像素点的集合。进一步地，所述步骤I中的将待检测的人脸图像和各训练样本拉伸为列向量是将mXn维的图像数据矩阵拉伸为M=mXn维的列向量，m、n分别为图像数据的行数和列数。进一步地，所述步骤2中的误差支撑为s G {-I, 1}M，其中Si=-I表示未被遮挡，Si=I表示被遮挡；初始化误差支撑是将误差支撑初始化为Si=-Ki = 1，…，M)。{-I, 1}"表示M维列向量的集合,且该集合中列向量的元素来自集合{-1，1}。
进一步地，所述步骤3中的由训练样本构成的字典是将每个拉伸处理后的训练样本，按列排放，构成字典。进一步地，所述步骤3中的⑶误差用于度量任意两个相同维数的向量
oe Rm 和 fee Rm 之间的误差，定义为
权利要求
1.基于结构化误差编码的人脸遮挡检测方法，其特征在于，包括以下步骤 步骤I:将待检测人脸图像数据和训练样本数据拉伸为列向量； 步骤2 :定义误差支撑，并初始化； 步骤3 :在最小化CD误差准则下，由误差支撑，计算待检测人脸图像数据对由训练样本数据构成的字典的稀疏编码和重构误差； 步骤4 :根据重构误差估计误差支撑； 步骤5 :建立描述误差支撑的形态图，由形态图和重构误差，再次估计误差支撑； 步骤6 :迭代步骤3-5，得到重构误差序列和误差支撑序列； 步骤7 :选取最优误差支撑，并根据最优误差支撑获得待检测人脸图像中被遮挡像素点的集合。
2.根据权利要求I所述的检测方法，其特征在于，所述步骤I中的将待检测的人脸图像和各训练样本拉伸为列向量是将mXn维的图像数据矩阵拉伸为M=mXn维的列向量。
3.根据权利要求2所述的检测方法，其特征在于，所述步骤2中的误差支撑为s G {-I, 1}M,其中Si=-I表不未被遮挡，Si=I表不被遮挡；初始化误差支撑是将误差支撑初始化为 Si=-I (i = l，...，M)。
4.根据权利要求I所述的检测方法，其特征在于，所述步骤3中的由训练样本构成的字典是将每个拉伸处理后的训练样本，按列排放，构成字典。
5.根据权利要求I所述的检测方法，其特征在于，所述步骤3中的CD误差用于度量任意两个相同维数的向量之间的误差，定义为
6.根据权利要求5所述的检测方法，其特征在于，所述步骤3中的待检测的人脸图像对由训练样本构成的字典的稀疏编码和重构误差按以下公式计算
7.根据权利要求5所述的检测方法，其特征在于，所述步骤4中估计误差支撑的具体步骤为如果是首次迭代，t = 1，则对重构误差e进行两类均值聚类，得到误差支撑S，并初始化阈值t(1) =max{ei|Si=-l};否则，t>l，对重构误差e进行阈值聚类，得到误差支撑
8.根据权利要求7所述的检测方法，其特征在于，所述步骤5具体步骤为 步骤5. I :建立描述误差支撑s的形态图G= (V，E，B)，其中V为G的顶点(Vertex)的集合V={1, 2，…，M}且每个顶点Vi的类标为Si ;E为G的边(Edge)的集合E=Ki, j) I i, j G V，I Ci-Cj 2=1},其中 Ci=Iicil, ci2]T 是顶点 Vi 的坐标；B 为 G 的各子图的边界的集合 B= {Bk I k=-l, 1}，其中
9.根据权利要求I所述的检测方法，其特征在于，所述步骤6的重构误差序列为
10.根据权利要求9所述的检测方法，其特征在于，所述步骤7的具体步骤为 步
全文摘要
本发明提供一种检测准确率高、可行性好的基于结构化误差编码的人脸遮挡检测方法，适合于处理图像维数较低或遮挡面积较大情况。具体步骤为步骤1将待检测人脸图像数据和训练样本数据拉伸为列向量；步骤2定义误差支撑，并初始化；步骤3在最小化CD误差准则下，由误差支撑计算待检测人脸图像数据对由训练样本数据构成的字典的稀疏编码和重构误差；步骤4根据重构误差估计误差支撑；步骤5建立描述误差支撑的形态图，由形态图和重构误差，再次估计误差支撑；步骤6迭代步骤3-5，得到重构误差序列和误差支撑序列；步骤7选取最优误差支撑，并根据最优误差支撑获得待检测人脸图像中被遮挡像素点的集合。
文档编号G06K9/62GK102750546SQ20121018742
公开日2012年10月24日 申请日期2012年6月7日 优先权日2012年6月7日
发明者戴道清, 李小薪 申请人:中山大学