一种基于几何约束的sift人脸匹配方法
【专利摘要】本发明公开了一种基于几何约束的SIFT人脸匹配方法，本方法增加了SIFT人脸特征的匹配率，减少了误配情况，然而提高了准确匹配率和它的实用性。其实现过程是：首先输入待匹配的人脸图片进行SIFT特征提取和特征点匹配，把这些特征点和匹配结果作为训练样本，通过最小二乘支持向量机（LS-SVM）得到一个预测器，得到预测器后再次把待测图片中一张人脸图片的SIFT特征输入到预测器中，预测器对这输入数据进行预测，在第二张图片上得到预测匹配点。最后，在第二张图片预测匹配点周围搜索SIFT特征点，并在这些SIFT特征点中找到准确的匹配点。
【专利说明】—种基于几何约束的SIFT人脸匹配方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，涉及到特征点提取，图像配准，可用于身份识别，视频监控，安全系统。
【背景技术】
[0002]在计算机视觉领域中，人脸检测，人脸识别是属于一门应用前景十分广阔的技术，人脸识别是在多媒体技术里面中的研究热点。由于面部表情的多样性，背景混杂以及发型，光照条件，自身遮挡，人脸图像分辨率的不同等多方面的因素导致人脸识别成为非常困难的问题。在人脸识别中最重要的两个直接影响到设别效果的因素，一是能够找到区分能力强，高稳定性的人脸特征，二是根据这些特征找到识别效果好的识别或匹配算法。
[0003]由于拍摄时间、拍摄角度、自然环境的变化、多种传感器的使用和传感器本身的缺陷，使拍摄的图像不仅受噪声的影响，而且存在严重的灰度失真和几何畸变。在这种条件下，匹配算法如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性强以及并行实现成为人们追求的目标。在过去的几十年中，各种图像匹配算法相继出现，而且结合许多数学理论和方法，人们又不断提出了新的匹配方法。基于匹配的基本原理，图像匹配算法分为基于灰度相关的匹配、基于特征的匹配、基于模型的匹配以及基于变换域的匹配。基于特征的匹配方法中，图像特征的提取最为关键，找到一个环境变化中鲁棒性，稳定性好的的特征来表示该图片。
[0004]SIFT算法是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的研究和完善。SIFT特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的适应能力。在Mikolajczyk对包括SIFT算子在内的十种局部描述子所做的不变性对比实验中，SIFT及其扩展算法证实在同类描述子中具有最强的健壮性。但是在SIFT匹配算法中，特征匹配率低，存在误配情况，匹配点的门限值过低，导致匹配率低，本应该匹配对的SIFT特征判定为不是匹配对，而有些性质，几何差距很大的SIFT特征认定为匹配对。
[0005]最小二乘支持向量机(LS-SVM)是属于统计分类方法，通过机器学习从一系列训练数据中学习得到一个预测器，用该预测器对输入进行预测，得到经验输出。得到预测的匹配点后在这预测点周围一定范围之内找到准确的匹配点。支持向量机算法的优点是输出结果稳定，效果好，能够有效地改善原算法误匹配率高的缺点。
【发明内容】
[0006]本发明的目的在于，改善上述已有技术的不足，得到更好的效果，提出了一种基于几何约束的SIFT人脸匹配方法，增加了匹配点的数目，降低了图像匹配的误配率，然而提高了准确匹配率和其实用性。
[0007]本发明的技术方案是，首先输入待匹配的人脸图片进行SIFT特征提取和特征点匹配，把这些特征点和匹配结果作为训练样本，通过最小二乘支持向量机(LS-SVM)得到一个预测器，得到预测器后再次把待测图片中一张人脸图片的SIFT特征输入到预测器中，预测器对这输入数据进行预测，在第二张图片上得到预测匹配点。最后，在第二张图片预测匹配点周围搜索SIFT特征点，并在这些SIFT特征点中找到准确的匹配点。具体步骤如下。
[0008]一，输入待匹配的两张人脸图片，对图片进行SIFT特征提取，然后通过SIFT匹配算法进行特征点匹配。
[0009]其中，SIFT特征是利用SIFT算法提取出来的局部描述子，是128维的特征向量。特征提取时得到SIFT特征点的位置，尺度和128维的描述子。特征匹配是指用k_d tree匹配算法找到第一张图片的特征点在第二张图片中的匹配特征点，第二张图片中的匹配特征也是个SIFT特征。SIFT匹配算法中特征点描述子之间的欧氏距离作为标准，找到最近距离和次近距离的特征点，最近距离和次近距离的比值设定一个阈值，比值满足其阈值条件判断为一对匹配对。
[0010]二，把上步骤得到的SIFT特征和匹配点作为训练样本，训练数据中学习得到一个预测器。
[0011]其中，训练样本数据是指待匹配的第一张图片的所有SIFT特征的位置和在第二张图片中其对应的匹配点的位置。
[0012]根据最小二乘支持向量机原理，向量(V1, V2,.., Vi,..., Vn)是输入特征，Cu1, U2,.., Ui,..., Un)相对应的匹配点。任意的特征点满足以下公式:
【权利要求】
1.一种基于几何约束的SIFT人脸匹配方法，该方法包括以下步骤: (1)输入待匹配的两张人脸图片，对图片进行SIFT特征提取，然后通过SIFT匹配算法进行特征点匹配； (2)把上步骤得到的SIFT特征和匹配点作为训练样本，训练数据中学习得到一个预测器，两组匹配点对定义的匹配点对应关系为Km=u，通过最小为二乘支持向量机计算得到预测器； (3)把待匹配图片的SIFT特征输入到预测器中，得到预测匹配点； (4)在预测匹配点周围搜索SIFT特征点； (5)计算欧氏距离，得到准确的匹配点。
2.根据权利要求1.2)所述的K为第一张图片上的SIFT特征点构成的矩阵，u是第二张图片中对应的匹配点组成的向量。
3.根据权利要求1.3)所述的方法，通过U=Km计算得到预测匹配点，K为待匹配的第一张图片的特征组成的矩阵，m是预测器，u为待匹配的第二张图片上的预测点组成的矩阵。
4.根据权利要求1.4)所述的方法，预测点为中心提取一个预测区域，在预测区域里搜索是否存在SIFT特征点。
5.根据权利要求1.5)所述的方法，第一张待匹配图片的SIFT特征和它对应的预测区域里的所有SIFT特征计算欧氏距离，找到距离最小的特征作为它的准确匹配点。
【文档编号】G06K9/00GK103955667SQ201310209140
【公开日】2014年7月30日 申请日期:2013年5月31日 优先权日:2013年5月31日
【发明者】廖斌, 维妮拉·艾尔肯 申请人:华北电力大学