专利名称：一种图像样本生成方法及装置的制作方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种图像样本生成方法及装置。
背景技术：
在涉及人脸图像处理的技术应用中，如人脸检测，人脸识别等，人脸图像样本图像 的采集和处理是一个很关键的问题。现有技术一般是搜集大量的人脸图像样本来进行训练，样本越多，训练得到的分 类器就越具有扩展性。但是，大量的人脸图像样本的收集费时费力，收集到的样本也参差不 奇。尤其是一些特殊应用，例如实时识别单人时，人脸图像样本有限。为了根据现有的人脸图像样本得到更多新的人脸图像样本，现有技术提出了一些 方法，例如利用镜像变换技术获得左右脸对称的图像样本，或者利用多个人脸图像来计算 得到一个平均人脸图像，作为新的人脸图像样本等。但是，上述这些获得新的人脸图像样本的现有技术采用的方法比较简单，生成的 新的人脸图像样本种类较少、数量有限，往往无法满足实际应用的需要。
发明内容
本发明实施例提供了一种图像样本生成方法及装置，用以得到质量更好、更多具 有代表性的图像样本，从而扩大图像样本库，提高基于图像样本的分类器的训练精度，满足 更多应用需求。本发明实施例提供的一种图像样本生成方法包括按照预先设置的类别，对采集到的图像样本进行分类，得到各种不同类别的图像 样本集合；分别对每个图像样本集合中的图像样本进行AAM训练，得到多个AAM模型；利用每个AAM模型生成新的图像样本。本发明实施例提供的一种图像样本生成装置包括图像样本集合生成单元，用于按照预先设置的类别，对采集到的图像样本进行分 类，得到各种不同类别的图像样本集合；AAM模型生成单元，用于分别对每个图像样本集合中的图像样本进行AAM训练，得 到多个AAM模型；新图像样本生成单元，用于利用每个AAM模型生成新的图像样本。本发明实施例按照预先设置的类别，对采集到的图像样本进行分类，得到各种不 同类别的图像样本集合；分别对每个图像样本集合中的图像样本进行AAM训练，得到多个 AAM模型；利用每个AAM模型生成新的图像样本，从而可以得到质量更好、更多具有代表性 的图像样本，扩大了图像样本库，提高了基于图像样本的分类器的训练精度，满足了更多的 应用需求。
图1为本发明实施例提供的一种图像样本生成方法的总体流程示意图；图2为本发明实施例提供的人脸图像样本的生成原理示意图；图3为本发明实施例提供的活动轮廓模型(ASM，Active Shape Model)模型驱动 形状的变化示意图；图4为本发明实施例提供的用于纹理模型训练的样本的生成示意图；图5为本发明实施例提供的利用活动外观模型(AAM，Active AppearanceModel) 来生成不同的人脸图像模型的示意图；图6为本发明实施例提供的一种图像样本生成装置的结构示意图。
具体实施例方式本发明实施例提供了一种图像样本生成方法及装置，用以得到质量更好、更多具 有代表性的图像样本，从而扩大图像样本库，提高基于图像样本的分类器的训练精度，满足 更多应用需求。本发明实施例以人脸图像样本为例进行说明。当然，对于其他物体的图像样本，本 发明实施例提供的技术方案同样适用。本发明实施例基于AAM模型生成新的人脸图像样本，利用AAM模型从有限的人脸 图像样本中生成各种各样的新的人脸图像样本，可以得到质量很好，同时具有代表性的人 脸图像样本，而且可以生成无穷多个新的人脸图像样本，从而扩大人脸图像样本库，提高基 于人脸图像的分类器的训练精度。在基于大量人脸图像样本的应用(如人脸定位、表情识别)中，人脸图像样本的数 量和质量对训练的最终结果影响很大。人脸图像样本数量多并不意味着人脸图像样本能够 覆盖各种各样的人脸情况。在人脸图像样本中可能存在着许多相似的人脸图像样本，本发 明实施例基于AAM技术，利用人脸图像样本库训练出AAM人脸图像模型，然后利用训练后的 主分量来控制人脸图像的变化，可以得到各种各样的代表了不同光照、不同表情等的新人 脸图像样本。这些新的人脸图像样本利用大量的人脸图像样本信息合成而来，因此具有很 强的代表性。另外，利用AAM模型还能生成许多极端表情和极端光照条件下的人脸图像样本， 这些极端人脸图像样本一般很难采集到，因此可以扩大人脸图像样本库的代表性。本发明实施例中，对每个人脸的图像样本训练AAM模型，然后利用AAM来生成新的 人脸图像样本，对每个人的人脸图像样本进行扩充。例如，利用相同性别的人脸的图像样本 来训练AAM模型，可以得到相同性别的新的人脸图像样本；将不同年龄段的人脸的图像样 本进行AAM训练，可以得到不同年龄段的新的人脸图像样本。下面结合附图对本发明实施例提供的技术方案进行说明。参见图1，本发明实施例提供的一种图像样本生成方法总体包括步骤S101、按照预先设置的类别，对采集到的图像样本进行分类，得到各种不同类别的 图像样本集合。S102、分别对每个图像样本集合中的图像样本进行AAM训练，得到多个AAM模型。S103、利用每个AAM模型生成新的图像样本。
较佳地，步骤S103包括对每个AAM模型，将通过主成分分析(PCA)变换得到的特征值和特征向量进行组 合，生成新的图像样本。PCA是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个 新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第 二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维 数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分 做到的。这样低阶成分往往能够保留住数据的最重要方面。主成分即特征向量，方差大的 主成分，其对应的特征值就越大。如果为每个成分分配一个权重，然后进行加权累加，就可 以组合得到新的数据。较佳地，该方法还包括将新的图像样本进行镜像变换，得到镜像图像样本。较佳地，所述图像样本集合包括同一人脸在不同光照下的人脸图像样本集合；同一人脸在不同表情下的人脸图像样本集合；同一性别的人脸图像样本集合；分布在不同年龄段的人脸图像样本集合。下面对本发明实施例中所述的AAM模型介绍如下AAM是图像理解的一种强大工具。它建立在统计基础上，同时考虑了物体形状和形 状覆盖区域内的纹理信息。AAM包括两个部分，一个部分是对形状进行统计，另外一部分是 对形状内部的纹理信息的统计。单独对形状进行统计的模型是ASM模型，ASM模型是对样本空间代表的人脸形状 变化的一种表示，因此可以在人脸器官轮廓定位的时候用来控制不同姿态的人脸图像形状 的变化。AAM反映的是人脸灰度的变化，它将规定大小的人脸图片的每个像素按照一个顺 序排列形成一个样本矢量，然后对大量的灰度样本矢量进行PCA变换，就可以得到反映不 同变化特点的主分量。将不同的主分量按照不同的权值进行组合，就可以得到无穷多个人 脸图像。下面对本发明实施例中所述的AAM训练介绍如下AAM的训练和ASM类似。首先将手工标定的轮廓点的坐标组织成为一个一维矢量。
设一张人脸图像中的人脸轮廓点的坐标为(Xi，yi)，其中，i = 0，1，. . .，η，η为轮廓点的数目。那么，可以将该人脸图像上所有轮廓点的平面坐标组织成为一个一维矢量Sj = [x0, y0, · · · , xn, yn]则h就是训练的一个样本。将该人脸图像上所有标定的人脸轮廓点都组织成一维矢量，然后对所有的样本进 行PCA变换就可以得到ASM模型
ηS = S0+ ^piSi
其中，S0是训练样本的均值，Si是PCA变换得到的和样本大小一致的特征分量，Si 可以用来描述人脸图像形状的变化，如图3所示。人脸纹理变化统计模型的样本采集比ASM复杂一些。首先需要确定平均轮廓脸％ 的大小，以平均脸覆盖的区域中的像素的灰度值作为矢量样本的元素。平均轮廓脸可以根 据ASM来得到。为了得到平均脸覆盖区域内的像素的灰度值，首先对轮廓点构键三角网，然 后将三角网中的每个三角形进行离散化并记录离散化后的像素点的坐标。如图4所示，对任意一张标定了轮廓点的人脸S，按照平均轮廓三角网格的拓扑结 果建立^和s之间每个三角形之间的仿射关系。这个仿射关系可以用W(X;p)来表示，X表 示％上一个点的坐标，P对应了每对三角形之间的仿射变换的参数。根据W(X;p)就可以 从实际人脸图像中采样出和平均脸大小完全一样的区域。将平均轮廓包含范围内的每个像素点的纹理组织为一个矢量样本，对所有的矢量 样本进行PCA变换就可以得到纹理信息的统计模型
mA(X) = +€ S0
i^l和ASM —样，A0⑴是所有样本的均值，Ai⑴是用PCA变换得到的特征分量。改 变每个特征分量对应的参数Xi，可以得到不同的纹理，效果如图5所示。参见图6，本发明实施例提供的一种图像样本生成装置包括图像样本集合生成单元11，用于按照预先设置的类别，对采集到的图像样本进行 分类，得到各种不同类别的图像样本集合。AAM模型生成单元12，用于分别对每个图像样本集合中的图像样本进行AAM训练， 得到多个AAM模型。新图像样本生成单元13，用于利用每个AAM模型生成新的图像样本。较佳地，所述新图像样本生成单元13，对每个AAM模型，将通过PCA变换得到的特 征值和特征向量进行组合，生成新的图像样本。较佳地，该装置还包括镜像图像样本生成单元14，用于将新的图像样本进行镜像变换，得到镜像图像样 本。综上所述，本发明实施例按照预先设置的类别，对采集到的图像样本进行分类，得 到各种不同类别的图像样本集合；分别对每个图像样本集合中的图像样本进行AAM训练， 得到多个AAM模型；利用每个AAM模型生成新的图像样本，从而可以得到质量更好、更多具 有代表性的图像样本，扩大了图像样本库，提高了基于图像样本的分类器的训练精度，满足 了更多的应用需求。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精 神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含这些改动和变型在内。
权利要求
1.一种图像样本生成方法，其特征在于，该方法包括按照预先设置的类别，对采集到的图像样本进行分类，得到各种不同类别的图像样本 集合；分别对每个图像样本集合中的图像样本进行AAM训练，得到多个AAM模型； 利用每个AAM模型生成新的图像样本。
2.根据权利要求1所述的方法，其特征在于，利用每个AAM模型生成新的图像样本的步 骤包括对每个AAM模型，将通过PCA变换得到的特征值和特征向量进行组合，生成新的图像样本。
3.根据权利要求1所述的方法，其特征在于，该方法还包括 将所述新的图像样本进行镜像变换，得到镜像图像样本。
4.根据权利要求1、2或3所述的方法，其特征在于，所述图像样本，为人脸图像样本。
5.根据权利要求4所述的方法，其特征在于，所述图像样本集合包括 同一人脸在不同光照下的人脸图像样本集合；同一人脸在不同表情下的人脸图像样本集合； 同一性别的人脸图像样本集合； 分布在不同年龄段的人脸图像样本集合。
6.一种图像样本生成装置，其特征在于，该装置包括图像样本集合生成单元，用于按照预先设置的类别，对采集到的图像样本进行分类，得 到各种不同类别的图像样本集合；AAM模型生成单元，用于分别对每个图像样本集合中的图像样本进行AAM训练，得到多 个AAM模型；新图像样本生成单元，用于利用每个AAM模型生成新的图像样本。
7.根据权利要求6所述的装置，其特征在于，所述新图像样本生成单元，对每个AAM模 型，将通过PCA变换得到的特征值和特征向量进行组合，生成新的图像样本。
8.根据权利要求6所述的装置，其特征在于，该装置还包括镜像图像样本生成单元，用于将所述新的图像样本进行镜像变换，得到镜像图像样本。
9.根据权利要求6、7或8所述的装置，其特征在于，所述图像样本，为人脸图像样本。
10.根据权利要求6所述的装置，其特征在于，所述图像样本集合生成单元生成的图像 样本集合包括同一人脸在不同光照下的人脸图像样本集合； 同一人脸在不同表情下的人脸图像样本集合； 同一性别的人脸图像样本集合； 分布在不同年龄段的人脸图像样本集合。
全文摘要
本发明公开了一种图像样本生成方法及装置，用以得到质量更好、更多具有代表性的图像样本，从而扩大图像样本库，提高基于图像样本的分类器的训练精度，满足更多应用需求。本发明提供的一种图像样本生成方法包括按照预先设置的类别，对采集到的图像样本进行分类，得到各种不同类别的图像样本集合；分别对每个图像样本集合中的图像样本进行AAM训练，得到多个AAM模型；利用每个AAM模型生成新的图像样本。
文档编号G06K9/62GK102103695SQ20091024299
公开日2011年6月22日 申请日期2009年12月21日 优先权日2009年12月21日
发明者谢东海 申请人:北京中星微电子有限公司