专利名称：基于人脸图像的性别分类方法及系统的制作方法
技术领域：
本发明涉及计算机图像识别技术，尤其涉及一种基于人脸图像的性别分类方法及系统。
背景技术：
随着科学技术的发展，计算机的功能被赋予了更加丰富的定义，从最初单纯的计算工具逐渐发展为智能终端。而在人类社会中，人的面部特征可以反映人们主要的身份信息，如性别、年龄等，人们可以通过视觉获取他人的面部特征信息，使得人与人的交流互动变得更为顺畅，而赋予计算机对人脸同样的理解能力是机器视觉和模式识别领域一直努力追寻的目标。例如，利用计算机对人脸图像进行识别，进而对性别进行分类，对于改善目前智能终端的人机交互质量起着非常重要的作用。而性别分类在身份识别中可以提供“过滤器”的功能，利用检测出来的性别信息可以显著缩小进行身份识别的搜索范围，从而提高身份识别的速度与精度。例如在大型游乐场所、主题公园的导游车上，如果配备智能的性别分类系统，可以让计算机根据使用者的性别不同，推荐一些更具针对性的商品或者旅游景点；也可以为超市、商店等提供分类更详细的统计信息，提供收集潜在客户数据的自动化途径，帮助其向消费者提供更具针对性的促销服务，从而在一定程度上改善人们的生活质量和生活方式。通过人的面部特征进行性别分类是人们与生俱来的能力，但让计算机像人一样去完成这个认知过程并不容易。基于人脸的性别分类就是让计算机根据输入的人脸图像中蕴含的纹理和形状等特征判断其性别的过程，由于人脸对于单调的光照变化保持不变，并且对于人脸的差异有很好的描述能力，因此，有人提出局部二值模式(Local BinaryPatterns,简称LBP)，LBP主要是用于计算机对人脸图像的局部特征进行二值量化分析的模式，例如，图1为现有技术中通过LBP对人脸图像的局部特征进行二值量化的示意图，如图1所示，对于由像素点组成的人脸图像，考虑以某一像素点为中心、并以其周围一定半径范围的邻域，如图1中左边的部分，并以中心像素点的灰度值为阈值，将其周围相邻像素点的灰度值进行重新编码，如果周围某一相邻像素点的灰度值大于中心像素点的灰度值则该像素点进行重新编码后的编码为I ;否则该像素点进行重新编码后的编码为O,如图1中右边的部分；然后将邻域内编码后的像素点按照顺时针串连而得到二进制的LBP编码串，将该二进制的LBP编码串转换为十进制数值作为邻域内中心点像素的特征值，如对图1中右边所示的重新编码的像素点进行二进制的LBP编码为11001100,转换为十进制数值为204,则204为该邻域内中心像素点的特征值。其表示一种局部的纹理变化，按照该方法对整副图像中的像素点都进行LBP编码，然后采用多区域直方图连接作为人脸的最终特征，从而通过分类器进行判别分类。虽然LBP在人脸识别与人脸图像性别分类领域得到了非常广泛的应用，但是发明人在实施该技术的过程中发现其仍然存在着一些缺陷，其中最为关键的问题是，LBP技术在以中心像素点的灰度值为阈值对邻域内相邻像素点的灰度值进行重新编码的过程中，只考虑了相邻像素点的灰度值与中心像素点的灰度值的差值符号，即只考虑相邻像素点的灰度值是比中心像素点的灰度值大或小的关系，导致降低了人脸图像局部信息的描述能力，从而影响了计算机根据人脸图像进行性别分类的准确性。
发明内容
本发明的目的在于提供一种基于人脸图像的性别分类方法及系统，以提高计算机根据人脸图像进行性别分类的准确性。本发明的第一个方面是提供一种基于人脸图像的性别分类方法，包括:获取待分类的人脸图像，对所述待分类的人脸图像进行预处理，以生成待分类图像数据；获取所述待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到；根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别。本发明的另一个方面是提供一种基于人脸图像的性别分类系统，包括:图像预处理模块，用于获取待分类的人脸图像，对所述待分类的人脸图像进行预处理，以生成待分类图像数据；特征提取模块，用于获取所述待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到；分类器模块，用于根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别。采用上述本发明技术方案的有益效果是:本发明实施例通过待分类图像数据中每一邻域内其它像素点与中心像素点的差值而确定待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，而得到待分类LCP编码图像，使得基于人脸图像的性别分类系统可以根据待分类LCP编码图像以及预先训练的类别模型而确定待分类图像数据的类别。本实施例在确定LCP编码过程中考虑了相邻像素点与中心像素点的差值，S卩，既考虑了差值符号又考虑了差值大小，从而增强了图像数据中特征的描述力，进而提高了计算机根据人脸图像进行性别分类的准确性。
图1为现有技术中通过LBP对人脸图像的局部特征进行二值量化的示意图；图2为本发明实施例提供的一种基于人脸图像的性别分类方法的流程图；图3为本发明实施例中对人脸图像进行预处理的预设规格；图4为本发明实施例中对待分类图像数据进行LCP编码的模式示意图；图5为本发明实施例提供的一种基于人脸图像的性别分类系统的结构示意图。
具体实施方式
图2为本发明实施例一提供的一种基于人脸图像的性别分类方法的流程图，如图2所示，所述方法可以包括如下步骤:步骤201，获取待分类的人脸图像，对所述待分类的人脸图像进行预处理，以生成待分类图像数据；在本发明实施例中，执行主体可以是基于人脸图像的性别分类系统，当需要对人脸图像进行分类时，基于人脸图像的性别分类系统可以首先对采集的人脸图像进行干扰背景的去除，例如可以是将采集的人脸图像的背景颜色统一更改为预设的某一背景颜色，如可以是白色、红色或蓝色等；然后对人脸图像中的人脸区域进行定位及归一化处理，从而使得采集的人脸图像满足进行分类的预设规格，并将满足预设规格的人脸图像中每一个像素点通过其灰度值表示，从而获得由灰度值描述的待分类图像数据。步骤202，获取所述待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式(Local Circular Pattern,简称LCP)编码,得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到；基于人脸图像的性别分类系统根据获得的由灰度值描述的待分类图像数据确定除边缘像素点之外的待分类图像数据中以每一像素点为中心像素点、以预设个数的像素点为半径的每一邻域，举例来说，可以是以I个像素点为半径、中心像素点周围8个相邻像素点的邻域，或，以2个像素点为半径、中心像素点周围8个相邻像素点的邻域，或，以3个像素点为半径、中心像素点周围8个相邻像素点的邻域,或，以2个像素点为半径、中心像素点周围16个相邻像素点的邻域，或，以3个像素点为半径、中心像素点周围16个相邻像素点的邻域，其中，每个邻域内像素点的确定可以采用现有技术的方法。并确定每一邻域内其它像素点的灰度值与邻域的中心像素点的灰度值之间的差值，根据每一邻域内的差值以及针对该邻域的维度而预设的相应个数的聚类中心、距离函数和每个聚类中心所对应的编号，确定每一邻域所属的聚类中心，并将对应的聚类中心的编号作为邻域内中心像素点的LCP编码，从而得到除边缘像素点之外的每一像素点的LCP编码，即得到待分类图像数据的待分类LCP编码图像。步骤203，根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别。在本发明实施例中，根据预先训练而得到的类别模型，确定待分类LCP编码图像所属的类别，即确定了待分类图像数据的类别，从而实现了对人脸图像的分类。本实施例中，通过待分类图像数据中每一邻域内其它像素点与中心像素点的差值而确定待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，而得到待分类LCP编码图像，使得基于人脸图像的性别分类系统可以根据待分类LCP编码图像以及预先训练的类别模型而确定待分类图像数据的类别。本实施例在确定LCP编码过程中考虑了相邻像素点与中心像素点的差值，即，既考虑了差值符号又考虑了差值大小，从而增强了图像数据中特征的描述力，进而提高了计算机根据人脸图像进行性别分类的准确性。具体的，上述实施例中对所述待分类的人脸图像进行预处理，以生成待分类图像数据具体可以包括:去除待分类的人脸图像的干扰背景，举例来说，可以是将待分类人脸图像的背景颜色统一更改为预设的某一背景颜色，如可以是白色、红色或蓝色等；然后对人脸图像中的人脸区域进行定位及归一化处理，如可以采用组合分类器Adaboost对人脸图像中的人脸和人眼进行检测，并对瞳孔进行定位，即定位出两个瞳孔的坐标信息；再以人脸图像的中心点为原点，将整体图像进行平面内的旋转，使得两个瞳孔的位置处于相对于图像左上角直角坐标系的水平直线上，从而完成了方向归一化操作，图3为本发明实施例中对人脸图像进行预处理的预设规格，如图3所示，其中，方点代表瞳孔的位置，圆点代表两瞳孔连线的中点，若预设的两个瞳孔间的距离为d，则可根据预设的两个瞳孔间的标准距离d而调整图像大小，使得待分类的图像中两眼之间的距离为d，举例来说，预设的两个瞳孔间的标准距离d可以是80个像素点的距离，当然，也可以根据实际情况设为其它值；则预设规格可以是预设的人脸图像的大小，如2.5XdX2.5Xd，随后进一步对人脸图像进行尺度调整和裁剪，即尺度归一化处理，例如，两瞳孔连线的中点至人脸图像的两侧边沿分别为
1.25Xd、两瞳孔至人脸图像的上边沿为0.5Xd、两瞳孔至人脸图像的下边沿为2Xd ;从而使得待分类的人脸图像具有统一的规格，如关键部位(眼睛、鼻子和嘴等)在人脸图像中的相对位置都一样。并将具有统一规格即预设规格的人脸图像转换为由图像像素点的灰度值描述的待分类图像数据。优选的，获取所述待分类图像数据中除边缘像素点之外的每一像素点的LCP编码，得到待分类LCP编码图像，具体可以包括:根据预设的人脸图像样本、聚类中心的个数以及距离函数，确定相应个数的聚类中心以及每个聚类中心对应的编号；确定所述待分类图像数据中以除边缘像素点之外的每一像素点为中心像素点、以预设个数的像素点为半径的每一邻域；确定每一邻域内其它像素点的灰度值与所述邻域的中心像素点的灰度值的差值。举例来说，在本发明实施例中，以中心像素点的灰度值为t以及以I个像素点为半径、周围8个相邻像素 点的邻域为例进行说明，对于以I个像素点为半径、中心像素点的灰度值为t的邻域内的8个相邻像素点的灰度值分别为Itpt2,...，t8}，则可以定义邻域内其它像素点的灰度值与邻域的中心像素点的灰度值的差值为局部环形模式(LCP8il)P, P = (trt,t2-t，t8-t)T。图4为本发明实施例中对待分类图像数据进行LCP编码的模式示意图，如图4所示，例如，在图4中，以中心像素点的灰度值为5的邻域内以I个像素点为半径的8个相邻像素点的灰度值分别为{6，7，2，4，8，9，1，3}，如图4中左边部分所示；通过作将邻域内相邻像素点的灰度值与中心像素点的灰度值进行作差，得到图4中右边的部分，将其按顺时针进行串连即得其局部环形模式P = (1,2, -3，-1,3,4, -4，-2)τ。若根据预设的人脸图像样本，给定N个局部环形模式训练样本Pi，i = 1，2，...，N、以及需要的聚类中心的个数K、并给定距离函数D，将N个局部环形模式训练样本Pi划分
为K个聚类C= Ic1, C2, , ck},则可以通过K-means方法聚类求出聚类中心,使得函数
k
υ=Σ Σ取得最小值，其中，μ i为区域Ci的中心，即初始计算时为从Pi中随
I=I Pj^ci
机选择的一组局部环形模式训练样本作为聚类中心，k即为聚类中心的个数，P」为N个局部环形模式训练样本中除Ui外其他样本，经过计算后重新确定聚类中心Ui，以便使得同一聚类中的局部环形模式训练样本的相似度较高，不同聚类中的局部环形模式训练样本的相似度较小，并对每个聚类中心给定一个编号i，其中，i = 1,2,...,K0则可以根据此方法确定待分类图像数据中以除边缘像素点之外的每一像素点为中心像素点、以预设个数的像素点为半径的每一邻域内其它像素点的灰度值与邻域的中心像素点的灰度值的差值，然后根据每一邻域的差值即局部环形模式P、预设的距离函数以及上述确定的相应个数的聚类中心，确定每一邻域内中心像素点对应的一个聚类中心，并将聚类中心对应的编号i作为该邻域内中心像素点的LCP编码，从而得到待分类图像数据中除边缘像素点之外的每一像素点的LCP编码，即得到待分类LCP编码图像。举例来说，在本实施例中，预设的距离函数通常包括曼哈顿距离(City blockdistance,简称⑶)函数和欧式距离(Euclidean distance,简称ED)函数,对于一个邻域的差值即局部环形模式P，将其聚类中心μ i对应的编号i作为该邻域内中心像素点的LCP编码，其原理为，根据上述距离函数确定与P最近的聚类中心，即将该最近的聚类中心的编
号作为该邻域的中心像素点的LCP编码，即
权利要求
1.种基于人脸图像的性别分类方法，其特征在于，包括: 获取待分类的人脸图像，对所述待分类的人脸图像进行预处理，以生成待分类图像数据； 获取所述待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到； 根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别。
2.据权利要求1所述的方法，其特征在于，所述对所述待分类的人脸图像进行预处理，以生成待分类图像数据，包括: 将所述待分类的人脸图像进行瞳孔定位并去除干扰背景； 按照预设的规格对已定位的人脸图像进行方向归一化和尺度归一化处理，以获取满足所述预设的规格的待分类的人脸图像； 将所述满足所述预设的规格的人脸图像转换为由图像像素点的灰度值描述的待分类图像数据。
3.据权利要求2所述的方法，其特征在于，所述获取所述待分类图像数据中除边缘像素点之外的每一像素点的LCP编 码，得到待分类LCP编码图像，包括: 根据预设的人脸图像样本、聚类中心的个数以及距离函数，确定相应个数的聚类中心以及每个聚类中心的编号； 确定所述待分类图像数据中以除边缘像素点之外的每一像素点为中心像素点、以预设个数的像素点为半径的每一邻域； 确定每一邻域内其它像素点的灰度值与所述邻域的中心像素点的灰度值的差值；根据所述差值、所述距离函数以及所述相应个数的聚类中心确定每一邻域内中心像素点对应的一个聚类中心，并将所述对应的一个聚类中心的编号作为所述邻域内中心像素点的LCP编码； 根据除边缘像素点之外的每一像素点的LCP编码，得到所述待分类LCP编码图像。
4.据权利要求1 3中任一项所述的方法，其特征在于，所述根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别，包括: 将所述待分类LCP编码图像进行区域直方图统计，获取所述待分类图像数据的单列LCP特征向量； 根据所述待分类图像数据的单列LCP特征向量以及预先训练的类别模型，确定所述待分类图像数据的类别。
5.据权利要求4所述的方法，其特征在于，所述将所述待分类LCP编码图像进行区域直方图统计，获取所述待分类图像数据的单列LCP特征向量，具体包括: 将所述待分类LCP编码图像划分为多个区域，每个区域至少包含一个所述邻域；对各区域内像素点的LCP编码进行统计，分别获得各区域的单列LCP向量；每个区域的单列LCP向量的行数为所述聚类中心的个数，且每行的数值为所述区域内LCP编码等于对应聚类中心的编号的像素点的个数； 按各区域在所述待分类LCP编码图像中的位置顺时针的顺序将所述各区域的单列LCP向量竖向排列，获得所述待分类图像数据的单列LCP特征向量。
6.据权利要求3所述的方法，其特征在于，所述距离函数为曼哈顿距离函数或欧式距离函数。
7.种基于人脸图像的性别分类系统，其特征在于，包括: 图像预处理模块，用于获取待分类的人脸图像，对所述待分类的人脸图像进行预处理，以生成待分类图像数据； 特征提取模块，用于获取所述待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到； 分类器模块，用于根据所述待分类LCP编码图像以及预先训练的类别模型，确定所述待分类图像数据的类别。
8.据权利要求7所述的系统，其特征在于，所述图像预处理模块具体用于: 将所述待分类的人脸图像进行瞳孔定位并去除干扰背景； 按照预设的规格对已定位的人脸图像进行方向归一化和尺度归一化处理，以获取满足所述预设的规格的待分类的人脸图像； 将所述满足所述预设的规格的人脸图像转换为由图像像素点的灰度值描述的待分类图像数据。
9.据权利要求8所述的系统，其特征在于，所述特征提取模块具体用于: 根据预设的人脸图像样本、聚类中心的个数以及距离函数，确定相应个数的聚类中心以及每个聚类中心的编号； 确定所述待分类图像数据中以除边缘像素点之外的每一像素点为中心像素点、以预设个数的像素点为半径的每一邻域； 确定每一邻域内其它像素点的灰度值与所述邻域的中心像素点的灰度值的差值；根据所述差值、所述距离函数以及所述相应个数的聚类中心确定每一邻域内中心像素点对应的一个聚类中心，并将所述对应的一个聚类中心的编号作为所述邻域内中心像素点的LCP编码； 根据除边缘像素点之外的每一像素点的LCP编码，得到所述待分类LCP编码图像。
10.据权利要求7 9任一项所述的系统，其特 征在于，所述分类器模块具体用于: 将所述待分类LCP编码图像进行区域直方图统计，获取所述待分类图像数据的单列LCP特征向量； 根据所述待分类图像数据的单列LCP特征向量以及预先训练的类别模型，确定所述待分类图像数据的类别。
全文摘要
本发明提供一种基于人脸图像的性别分类方法及系统，所述方法包括获取待分类的人脸图像，对待分类的人脸图像进行预处理，以生成待分类图像数据；获取待分类图像数据中除边缘像素点之外的每一像素点的局部环形模式LCP编码，得到待分类LCP编码图像；所述每一像素点的LCP编码根据所述像素点的邻域中其它像素点与所述像素点的灰度值的差值得到；根据待分类LCP编码图像以及预先训练的类别模型，确定待分类图像数据的类别。本实施例在确定LCP编码过程中考虑了相邻像素点与中心像素点的差值，即，既考虑了差值符号又考虑了差值大小，从而增强了图像数据中特征的描述力，进而提高了计算机根据人脸图像进行性别分类的准确性。
文档编号G06K9/00GK103093216SQ201310043899
公开日2013年5月8日 申请日期2013年2月4日 优先权日2013年2月4日
发明者黄迪, 王忱, 王蕴红 申请人:北京航空航天大学