人脸形状的匹配方法和系统的制作方法
【专利摘要】本发明公开了一种人脸形状的匹配方法和系统，属于人脸识别【技术领域】。所述方法包括：获取待测试图像的样本；对所述图像的样本进行人脸检测，获得所述人脸的形状特征；将所述人脸的形状特征与模板图像数据库中所有模板图像的形状特征逐一进行匹配，得到与所述人脸最近似的模板图像。本发明通过实现了对人脸相似物体的检测，这种以特定物体描述人脸不仅能增加趣味性，而且还能使人脸表象更深刻。
【专利说明】人脸形状的匹配方法和系统
【技术领域】
[0001] 本发明涉及人脸识别【技术领域】，特别涉及一种人脸形状的匹配方法和系统。
【背景技术】
[0002] 随着计算机技术的进步，人脸识别的技术也越来越成熟。目前的人脸识别特指利 用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。而形状是一个物体最直接的表 现方式之一。相似形状的物体在日常生活中比比皆是，人脸也常常被拿来和其他物体作比 对进行描述。比如形容人脸为鹅蛋脸，瓜子脸，及某人的脸和某种宠物狗相似等等。以特定 物体描述人脸不仅能增加趣味性，而且还能使人脸表象更深刻。
[0003] 所以现有技术中单纯的对人脸进行身份鉴别的方式，已经不能满足用户的需求， 怎样获取与人脸的形状特征相似的物体可能是用户更感兴趣的事情。
【发明内容】
[0004] 为了实现根据人脸的形状特征获取与之相似的物体，本发明实施例中提供了一种 人脸形状的匹配方法和系统。所述技术方案如下 ：
[0005] -方面，提供了一种人脸形状的匹配方法，所述方法包括：
[0006] 获取待测试图像的样本；
[0007] 对所述图像的样本进行人脸检测，获得所述人脸的形状特征；
[0008] 将所述人脸的形状特征与模板图像数据库中所有模板图像的形状特征逐一进行 匹配，得到与所述人脸最近似的模板图像。
[0009] 另一方面，提供了一种人脸形状的匹配系统，所述系统包括：
[0010] 测试样本获取模块，用于获取待测试图像的样本；
[0011] 人脸形状抽取模块，用于对所述图像的样本进行人脸检测，获得所述人脸的形状 特征；
[0012] 人脸形状匹配模块，用于将所述人脸的形状特征与模板图像数据库中所有模板图 像的形状特征逐一进行匹配，得到与所述人脸最近似的模板图像。
[0013] 本发明实施例提供的技术方案带来的有益效果是：对所述图像的样本进行人脸检 测，获得所述人脸的形状特征；将所述人脸的形状特征与所述模板图像数据库中所有模板 图像的形状特征逐一进行匹配，得到与所述人脸最近似的模板图像，从而实现了对人脸相 似物体的检测，这种以特定物体描述人脸不仅能增加趣味性，而且还能使人脸表象更深刻。
【专利附图】
【附图说明】
[0014] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0015] 图1是ASM迭代处理获得图像形状的示意图；
[0016] 图2是Snake模型抽取形状的示意图；
[0017] 图3是Canny模型求取图像边缘的示意图；
[0018] 图4是本发明实施例一中提供的一种人脸形状的匹配方法流程图；
[0019] 图5是本发明实施例二中提供的一种人脸形状的匹配方法流程图；
[0020] 图6是本发明实施例二中提供的一种几何模糊示意图；
[0021] 图7是本发明实施例二中提供的一种人脸形状抽取示意图；
[0022] 图8是本发明实施例三中提供的一种人脸形状的匹配系统结构示意图；
[0023] 图9是本发明实施例三中提供的另一种人脸形状的匹配系统结构示意图；
[0024] 图10是本发明实施例三中提供的一种模板图像数据库建立模块结构示意图。
【具体实施方式】
[0025] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0026] ASM (Active Shape Model,主动形状模型）算法为物体形状定位的主流算法。执 行过程包括：首先基于已标定好人脸形状的人脸图像，分别训练全局形状模型和局部纹理 模型；其次按照以下步骤获得人脸图像的形状位置：
[0027] 1)以全局形状模型的平均形状作为人脸初始形状；
[0028] 2)基于局部纹理模型，在每个形状点邻域内搜索与其纹理特征最相似的候选点；
[0029] 3)根据全局形状模型对所有搜索到的形状点进行形状约束和校正，得到新的人脸 形状点；
[0030] 4)重复2)-3)，直到前后两次迭代所得到的形状点之间误差小于给定阈值，则退 出。如图1所示为ASM算法定位的迭代过程。
[0031] Snake模型算法基于给定的一组初始点，在迭代过程中使得整个形状的梯度最大。 如图2所示为Snake模型抽取形状示意图：其步骤为：
[0032] 1)任意初始化一组形状点；
[0033] 2)计算每个形状点对应图像像素点的梯度方向，并移动形状点；
[0034] 3)计算整体形状能量函数，调整形状；
[0035] 4)重复步骤2) -3)，直到收敛到图像的形状。
[0036] Canny为一种求取图像边缘的方法。如图所示3所示Canny求取边缘的示意图，其 步骤包括：
[0037] 1)对图像进行高斯模糊，去除图像噪声；
[0038] 2)给定4个蒙版，对应水平，垂直，对角线4个方向，分别对图像进行卷积，获得图 像中的较亮的点为候选边缘点；
[0039] 3)跟踪边缘点，获得图像形状。
[0040] 实施例一
[0041] 参见图4,本发明实施例中提供了一种人脸形状的匹配方法，包括：
[0042] 101、获取待测试图像的样本；
[0043] 本实施例中，待测试样本包括人脸图像，其中可以是图片也可以是视频流，对此本 实施例中并不做具体限定。
[0044] 102、对所述图像的样本进行人脸检测，获得所述人脸的形状特征；
[0045] 103、将所述人脸的形状特征与模板图像数据库中所有模板图像的形状特征逐一 进行匹配，得到与所述人脸最近似的模板图像。
[0046] 在另一实施例中，所述获取待测试图像的样本之前，还包括：
[0047] 建立模板图像数据库，所述模板图像数据库中包括模板图像的形状特征。
[0048] 在另一实施例中，所述建立模板图像数据库，包括：
[0049] 获得不同形状的物体图像，并截取所述每个物体图像的主体部分，获得规整化的 模板图像；
[0050] 抽取所述每个规整化的模板图像的形状特征；
[0051] 将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。
[0052] 在另一实施例中，所述规整化的模板图像包括但不限于：宠物类图像和/或食物 类图像。
[0053] 在另一实施例中，所述抽取所述每个规整化的模板图像的形状特征，包括：
[0054] 获得所述每个规整化的模板图像的主体形状；
[0055] 根据所述模板图像的主体形状，抽取所述模板图像的形状特征。
[0056] 在另一实施例中，所述获得所述每个规整化的模板图像的主体形状，包括：
[0057]当所述规整化的模板图像为宠物类图像时，通过训练五官形状的主动形状模型 ASM算法获得所述规整化的模板图像的主体形状；
[0058] 当所述规整化的模板图像为食物类图像时，通过训练snake模型算法来定位外边 界形状获得所述规整化的模板图像的主体形状；
[0059] 当所述规整化的模板图像为轮廓不明的图像时，通过canny边缘检测方法来获得 所述模板图像的边缘，再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的 主体形状。
[0060] 在另一实施例中，所述根据所述模板图像的主体形状，抽取所述模板图像的形状 特征，包括：
[0061] 对所述每个模板图像的主体形状进行几何模糊，得到所述模板图像对应的模糊形 状；
[0062] 对所述模板图像对应的模糊形状进行采样，获得所述模板图像的形状特征，所述 模板图像的形状特征包括离散点坐标和几何模糊描述符。
[0063] 在另一实施例中，所述将所述人脸的形状特征与模板图像数据库中所有模板图像 的形状特征逐一进行匹配，得到与所述人脸最近似的模板图像，包括：
[0064] 根据所述人脸的形状特征的几何模糊描述符和模板图像数据库中每个模板图像 的几何模糊描述符，获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子 差异；
[0065] 根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标，获 得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差 异；
[0066] 根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所 述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异，得到所述人脸的形状 特征和所述每个模板图像的形状特征的相似度；
[0067] 获取所述得到的相似度中的最大相似度值，将所述最大相似度值的对应的模板图 像作为与所述人脸最近似的模板图像输出。
[0068] 本实施例的有益效果包括：对所述图像的样本进行人脸检测，获得所述人脸的形 状特征；将所述人脸的形状特征与所述模板图像数据库中所有模板图像的形状特征逐一进 行匹配，得到与所述人脸最近似的模板图像，从而实现了对人脸相似物体的检测，这种以特 定物体描述人脸不仅能增加趣味性，而且还能使人脸表象更深刻。
[0069] 实施例二
[0070] 本发明实施例中提供了一种人脸形状的匹配方法，参见图5,方法流程包括：
[0071] 201、获得不同形状的物体图像，并截取所述每个物体图像的主体部分，获得规整 化的模板图像。
[0072] 本实施例中，建立一个不同形状物体的模板图像数据库，针对任意人脸检索出数 据库中与人脸的形状最相似的物体。根据形状的变化，模板图像会有很多类，如动物，食物， 家具，植物等，但为了使人脸匹配效果更好，本实施例中主要集中为两类：宠物类与食物类。 宠物类包含不同种类的宠物，如，猫，狗，鼠等，食物类则包含日常生活中的实物图片，如，瓜 子，鸭蛋等。但具体执行过程中也不局限于这两类，对此本实施例中不做具体限定。
[0073] 具体执行过程中，获取不同形状的物体图像，如猫、狗、瓜子等，截取这些物体图像 的主体部分，如，宠物的脸部，获得规整化的模板。优选地，获得规整化后的模板图像后，对 模板图像进行光照和主题的加强，使得所有模板图像均只包含单一背景下的单一物体，并 减弱背景信息。其中具体的图像处理过程与现有技术类似，对此本实施例中不再赘述。
[0074] 202、抽取所述每个规整化的模板图像的形状特征。
[0075] 优选地，抽取所述每个规整化的模板图像的形状特征，包括：获得所述每个规整化 的模板图像的主体形状；根据所述模板图像的主体形状，抽取所述模板图像的形状特征。
[0076] 本实施例中，将规整化的模板图像分为三类，第一类为类人脸图像，包括较清晰的 宠物图像，其具有与人脸近似的五官，这类图像的形状通过训练五官形状的ASM算法获得； 第二类为具有清晰主轮廓的图像，包括形状单一的食物类，这类图像通过训练snake模型 算法来定位外边界形状；第三类为轮廓不明的图像，这类图像通过canny边缘检测方法来 获得整幅图像的边缘，再进一步滤除小边缘来获得图像的主题轮廓。
[0077] 所以，可选地，获得所述每个规整化的模板图像的主体形状，包括：
[0078] 当所述规整化的模板图像为宠物类图像时，通过训练五官形状的主动形状模型 ASM算法获得所述规整化的模板图像的主体形状；
[0079] 当所述规整化的模板图像为食物类图像时，通过训练snake模型算法来定位外边 界形状获得所述规整化的模板图像的主体形状；
[0080] 当所述规整化的模板图像为轮廓不明的图像时，通过canny边缘检测方法来获得 所述模板图像的边缘，再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的 主体形状。
[0081] 进一步，优选地，获取到模板图像的主体形状后，根据所述模板图像的主体形状， 抽取所述模板图像的形状特征，包括：
[0082] 对所述每个模板图像的主体形状进行几何模糊，得到所述模板图像对应的模糊形 状；
[0083] 对所述模板图像对应的模糊形状进行采样，获得所述模板图像的形状特征，所述 模板图像的形状特征包括离散点坐标和几何模糊描述符。
[0084] 本实施例中，在得到人脸形状点后，对人脸的形状进行几何模糊，将原始形状扩展 成具有冗余变化的形状，从而得到人脸的形状特征。如图6所示，形状模糊示意图，将形状 做几何模糊。优选地，几何模糊过程中基于模糊点与原始形状点之间的距离来调整模糊因 子。当模糊点距离原始形状点越远时，模糊因子越大，即模糊越严重。
[0085]
【权利要求】
1. 一种人脸形状的匹配方法，其特征在于，所述方法包括： 获取待测试图像的样本； 对所述图像的样本进行人脸检测，获得所述人脸的形状特征； 将所述人脸的形状特征与模板图像数据库中所有模板图像的形状特征逐一进行匹配， 得到与所述人脸最近似的模板图像。
2. 根据权利要求1所述的方法，其特征在于，所述获取待测试图像的样本之前，还包 括： 建立模板图像数据库，所述模板图像数据库中包括模板图像的形状特征。
3. 根据权利要求2所述的方法，其特征在于，所述建立模板图像数据库，包括： 获得不同形状的物体图像，并截取所述每个物体图像的主体部分，获得规整化的模板 图像； 抽取所述每个规整化的模板图像的形状特征； 将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库中。
4. 根据权利要求3所述的方法，其特征在于，所述规整化的模板图像包括：宠物类图像 和/或食物类图像。
5. 根据权利要求3所述的方法，其特征在于，所述抽取所述每个规整化的模板图像的 形状特征，包括： 获得所述每个规整化的模板图像的主体形状； 根据所述模板图像的主体形状，抽取所述模板图像的形状特征。
6. 根据权利要求5所述的方法，其特征在于，所述获得所述每个规整化的模板图像的 主体形状，包括： 当所述规整化的模板图像为宠物类图像时，通过训练五官形状的主动形状模型ASM算 法获得所述规整化的模板图像的主体形状； 当所述规整化的模板图像为食物类图像时，通过训练snake模型算法来定位外边界形 状获得所述规整化的模板图像的主体形状； 当所述规整化的模板图像为轮廓不明的图像时，通过canny边缘方法检测来获得所述 模板图像的边缘，再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体 形状。
7. 根据权利要求5所述的方法，其特征在于，所述根据所述模板图像的主体形状，抽取 所述模板图像的形状特征，包括： 对所述每个模板图像的主体形状进行几何模糊，得到所述模板图像对应的模糊形状； 对所述模板图像对应的模糊形状进行采样，获得所述模板图像的形状特征，所述模板 图像的形状特征包括离散点坐标和几何模糊描述符。
8. 根据权利要求1所述的方法，其特征在于，所述将所述人脸的形状特征与模板图像 数据库中所有模板图像的形状特征逐一进行匹配，得到与所述人脸最近似的模板图像，包 括： 根据所述人脸的形状特征的几何模糊描述符和模板图像数据库中每个模板图像的几 何模糊描述符，获得所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差 异； 根据所述人脸的形状特征的离散点坐标和所述每个模板图像的离散点坐标，获得所述 人脸的形状特征和所述模板图像数据库中每个模板图像的形状特征的匹配形状差异； 根据所述人脸的形状特征和所述每个模板图像的形状特征的模糊算子差异与所述人 脸的形状特征和所述每个模板图像的形状特征的匹配形状差异，得到所述人脸的形状特征 和所述每个模板图像的形状特征的相似度； 获取所述得到的相似度中的最大相似度值，将所述最大相似度值的对应的模板图像作 为与所述人脸最近似的模板图像输出。
9. 一种人脸形状的匹配系统，其特征在于，所述系统包括： 测试样本获取模块，用于获取待测试图像的样本； 人脸形状抽取模块，用于对所述图像的样本进行人脸检测，获得所述人脸的形状特 征； 人脸形状匹配模块，用于将所述人脸的形状特征与模板图像数据库中所有模板图像的 形状特征逐一进行匹配，得到与所述人脸最近似的模板图像。
10. 根据权利要求9所述的系统，其特征在于，所述系统还包括： 模板图像数据库建立模块，用于在所述测试样本获取模块获取待测试图像的样本之 前，建立模板图像数据库，所述模板图像数据库中包括模板图像的形状特征。
11. 根据权利要求10所述的系统，其特征在于，所述模板图像数据库建立模块，包括： 规整化模板单元，用于获得不同形状的物体图像，并截取所述每个物体图像的主体部 分，获得规整化的模板图像； 形状抽取单元，用于抽取所述每个规整化的模板图像的形状特征； 存储单元，用于将所述每个规整化的模板图像对应的形状特征保存到模板图像数据库 中。
12. 根据权利要求11所述的系统，其特征在于，所述规整化的模板图像包括：宠物类图 像和/或食物类图像。
13. 根据权利要求11所述的系统，其特征在于，所述形状抽取单元，包括： 主体形状抽取子单元，用于获得所述每个规整化的模板图像的主体形状； 形状特征抽取子单元，用于根据所述模板图像的主体形状，抽取所述模板图像的形状 特征。
14. 根据权利要求13所述的系统，其特征在于，所述主体形状抽取子单元具体用于： 当所述规整化的模板图像为宠物类图像时，通过训练五官形状的主动形状模型ASM算 法获得所述规整化的模板图像的主体形状； 当所述规整化的模板图像为食物类图像时，通过训练snake模型算法来定位外边界形 状获得所述规整化的模板图像的主体形状； 当所述规整化的模板图像为轮廓不明的图像时，通过canny边缘检测方法来获得所述 模板图像的边缘，再滤除所述模板图像的边缘的小边缘获得所述规整化的模板图像的主体 形状。
15. 根据权利要求13所述的系统，其特征在于，所述形状特征抽取子单元具体用于： 对所述每个模板图像的主体形状进行几何模糊，得到所述模板图像对应的模糊形状； 对所述模板图像对应的模糊形状进行采样，获得所述模板图像的形状特征，所述模板 图像的形状特征包括离散点坐标和几何模糊描述符。
16.根据权利要求9所述的系统，其特征在于，所述人脸形状匹配模块，包括： 模糊算子差异获取单元，用于根据所述人脸的形状特征的几何模糊描述符和模板图像 数据库中每个模板图像的几何模糊描述符，获得所述人脸的形状特征和所述每个模板图像 的形状特征的模糊算子差异； 匹配形状差异获取单元，用于根据所述人脸的形状特征的离散点坐标和所述每个模板 图像的离散点坐标，获得所述人脸的形状特征和所述模板图像数据库中每个模板图像的形 状特征的匹配形状差异； 相似度获取单元，用于根据所述人脸的形状特征和所述每个模板图像的形状特征的模 糊算子差异与所述人脸的形状特征和所述每个模板图像的形状特征的匹配形状差异，得到 所述人脸的形状特征和所述每个模板图像的形状特征的相似度； 匹配物体检索单元，用于获取所述得到的相似度中的最大相似度值，将所述最大相似 度值的对应的模板图像作为与所述人脸最近似的模板图像输出。
【文档编号】G06K9/64GK104143076SQ201310169188
【公开日】2014年11月12日 申请日期:2013年5月9日 优先权日:2013年5月9日
【发明者】熊鹏飞 申请人:腾讯科技（深圳）有限公司