一种特征提取方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种特征提取方法、装置、设备及存储介质。


背景技术：

2.人脸识别技术已广泛应用于各行业中，极大程度丰富了用户认证手段，提高认证准确度。人脸识别技术的核心为提取人脸图像的特征。
3.相关技术中，对人脸图像的特征提取过程通常为：利用设定尺寸的网格在人脸图像上，按照设定步长滑动，从人脸图像的左上角开始，向右移动并划分图像块，直至移动至人脸图像的右下角，从而将人脸图像划分为多个相同尺寸的图像块。然后提取每个图像块的尺度不变特征变换(scale-invariant feature transform，sift)特征。全部图像块的sift特征构成了人脸图像的特征。网格的尺寸越小，划分的图像块越多，提取的特征越多，对图像细节的描述越精细。网格的尺寸越大，划分的块越少，提取的特征越少，对图像细节的描述越模糊。
4.人脸图像中的不同图像区域的纹理复杂程度不同。纹理复杂程度较高的图像区域为复杂图像区域。纹理复杂程度较低的图像区域为简单图像区域。复杂图像区域包含的细节信息较多。相关技术中，按照固定的网格尺寸对人脸图像进行网格划分，提取图像子块的sift特征，可能导致对人脸图像中的复杂图像区域的特征提取不够充分，对人脸图像中的简单图像区域的特征过度提取。


技术实现要素：

5.本发明提供了一种特征提取方法、装置、设备及存储介质，以解决相关技术中的特征提取方案，按照固定的网格尺寸对人脸图像进行网格划分，提取图像子块的sift特征，可能导致对人脸图像中的复杂图像区域的特征提取不够充分，对人脸图像中的简单图像区域的特征过度提取的问题。
6.根据本发明的一方面，提供了一种特征提取方法，包括：
7.获取目标人脸图像，通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点；
8.将所述目标人脸图像划分为至少两个图像块，根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度；
9.根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸；
10.根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征。
11.根据本发明的另一方面，提供了一种特征提取装置，包括：
12.图像获取模块，用于获取目标人脸图像，通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点；
13.复杂度确定模块，用于将所述目标人脸图像划分为至少两个图像块，根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度；
14.尺寸确定模块，用于根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸；
15.特征提取模块，用于根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征。
16.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
17.至少一个处理器；以及
18.与所述至少一个处理器通信连接的存储器；其中，
19.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的特征提取方法。
20.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的特征提取方法。
21.本发明实施例的技术方案，通过获取目标人脸图像，通过预设的边缘检测算法，确定目标人脸图像中的各像素点是否为边缘像素点；然后将目标人脸图像划分为至少两个图像块，根据各图像块中包含的边缘像素点，确定各图像块的复杂度；根据各图像块的复杂度，确定各图像块对应的网格尺寸；最后根据各图像块对应的网格尺寸，提取各图像块的尺度不变特征变换特征，将各图像块的尺度不变特征变换特征确定为目标人脸图像的特征，解决了解决相关技术中的特征提取方案，按照固定的网格尺寸对人脸图像进行网格划分，提取图像子块的sift特征，可能导致对人脸图像中的复杂图像区域的特征提取不够充分，对人脸图像中的简单图像区域的特征过度提取的问题，取到了将人脸图像划分为多个图像块，根据与各图像块的复杂度对应的网格尺寸，分别提取各图像块的尺度不变特征变换特征，可以对人脸图像中的复杂图像区域进行充分地特征提取，可以避免对人脸图像中的简单图像区域进行过度特征提取的有益效果。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
23.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。
24.图1为本发明实施例一提供的一种特征提取方法的流程图。
25.图2为本发明实施例二提供的一种特征提取方法的流程图。
26.图3为本发明实施例三提供的一种特征提取装置的结构示意图。
27.图4为实现本发明实施例的特征提取方法的电子设备的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”、“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包含”、“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.实施例一
31.图1为本发明实施例一提供的一种特征提取方法的流程图。本实施例可适用于提取人脸图像的特征的情况，该方法可以由特征提取装置来执行，该特征提取装置可以采用硬件和/或软件的形式实现，该特征提取装置可配置于电子设备中。如图1所示，该方法包括：
32.步骤101、获取目标人脸图像，通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点。
33.可选的，目标人脸图像是在当前时刻需要提取特征的人脸图像。
34.可选的，获取目标人脸图像，包括：获取用户上传的目标人脸图像。用户将目标人脸图像上传至电子设备。电子设备获取目标人脸图像。
35.可选的，预设的边缘检测算法包括但不限于：canny边缘检测算法、sobel边缘检测算法、laplacian边缘检测算法以及scharr边缘检测算法。
36.可选的，所述通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点，包括：通过canny边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点。
37.可选的，通过canny边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点，包括：利用高斯滤波器对所述目标人脸图像进行平滑降噪；计算所述目标人脸图像中的各像素点的梯度幅值和梯度方向；对各像素点的梯度幅值进行非极大值抑制；根据各像素点的梯度幅值确定双阈值，所述双阈值包括低阈值和高阈值；针对每一个像素点：若像素点的梯度幅值大于高阈值，则判定像素点为边缘像素点；若像素点的梯度幅值小于低阈值，则判定像素点不是边缘像素点，像素点为非边缘像素点；若像素点的梯度幅值大于等于低阈值，小于等于高阈值，则检测像素点是否与确定为边缘像素点的像素点邻接；若像素点与确定为边缘像素点的像素点邻接，则判定像素点为边缘像素点；若像素点没有与确定为边缘像素点的像素点邻接，则判定像素点不是边缘像素点，像素点为非边缘像素点。
38.可选的，边缘像素点是所述目标人脸图像中边缘区域包含的像素点。非边缘像素点是所述目标人脸图像中非边缘区域包含的像素点。
39.步骤102、将所述目标人脸图像划分为至少两个图像块，根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度。
40.可选的，所述将所述目标人脸图像划分为至少两个图像块，包括：将所述目标人脸图像划分为多个相同大小的图像块。可以根据所述目标人脸图像的尺寸，选择合适的尺寸对所述目标人脸图像进行划分，将所述目标人脸图像划分成相同大小不重叠的图像块。例如，所述目标人脸图像的尺寸为80
×
80。根据所述目标人脸图像的尺寸，选择合适的尺寸16
×
16对所述目标人脸图像进行划分，将所述目标人脸图像划分成25个大小为16
×
16的不重叠的图像块。
41.可选的，所述根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度，包括：针对每一个图像块执行下述操作：将图像块划分为多个相同大小的图像子块，确定各所述图像子块的边缘像素点数量和像素点总数量的比值；根据各所述图像子块的边缘像素点数量和像素点总数量的比值，确定所述图像块的信息熵；将所述图像块的信息熵确定为所述图像块的复杂度。
42.可选的，根据图像块的尺寸，选择合适的尺寸对图像块进行划分，将图像块划分成相同大小不重叠的图像子块。例如，图像块的尺寸为16
×
16。根据图像块的尺寸，选择合适的尺寸4
×
4对图像块进行划分，将图像块划分成16个大小为4
×
4的不重叠的图像子块。
43.可选的，图像子块的边缘像素点数量是图像子块中包含的边缘像素点的数量。图像子块的像素点总数量是图像子块中包含的像素点的总数量。例如，图像子块中包含的像素点的总数量为16，即图像子块的像素点总数量为16。图像子块中包含的像素点中有8个像素点为边缘像素点，即图像子块的边缘像素点数量为8。图像子块的边缘像素点数量和像素点总数量的比值为0.5。
44.可选的，根据各所述图像子块的边缘像素点数量和像素点总数量的比值，确定所述图像块的信息熵，包括：使用下述预设的信息熵计算公式，计算所述图像块的信息熵：
[0045][0046]
其中，h为所述图像块的信息熵，p(g)为所述图像块中的第g个图像子块的边缘像素点数量和像素点总数量的比值，g＝1，2
…
n，n为所述图像块中包含的图像子块的总数量。预设的信息熵计算公式是用于计算图像块的信息熵的计算公式。图像块的信息熵表征了图像块的不确定性。图像块的信息熵越大，图像块的不确定性越大，图像块的纹理复杂程度越高。图像块的信息熵越小，图像块的不确定性越小，图像块的纹理复杂程度越低。因此，图像块的信息熵可以被看作是图像块的纹理复杂程度的度量。
[0047]
可选的，所述图像块的复杂度是用于表征图像块的纹理复杂程度的数值。将所述图像块的信息熵确定为所述图像块的复杂度。图像块的复杂度越大，图像块的纹理复杂程度越高。图像块的复杂度越小，图像块的纹理复杂程度越低。
[0048]
步骤103、根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸。
[0049]
可选的，各所述图像块对应的网格尺寸是用于在对各所述图像块的特征提取过程中，将各所述图像块划分为多个相同尺寸的图像子块的网格尺寸。
[0050]
可选的，所述根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸，包括：针对每一个图像块执行下述操作：判断图像块的复杂度是否大于预设复杂度阈值；若所述图像块的复杂度大于等于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第一网
格尺寸；若所述图像块的复杂度小于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第二网格尺寸；其中，所述第一网格尺寸小于所述第二网格尺寸。
[0051]
可选的，预设复杂度阈值可以根据业务需求进行设置。
[0052]
可选的，若所述图像块的复杂度大于等于预设复杂度阈值，表明所述图像块的纹理复杂程度较高，确定所述图像块对应的网格尺寸为尺寸较小的第一网格尺寸，从而划分的图像子块较多，提取的特征较多，对图像块的图像细节的描述较为精细，实现对纹理复杂程度较高的图像块进行充分地特征提取。
[0053]
可选的，若所述图像块的复杂度小于预设复杂度阈值，表明所述图像块的纹理复杂程度较低，确定所述图像块对应的网格尺寸为尺寸较大的第二网格尺寸，从而划分的图像子块较少，提取的特征较少，避免对纹理复杂程度较低的图像块进行过度特征提取。
[0054]
可选的，第一网格尺寸和第二网格尺寸为预设的网格尺寸。所述第一网格尺寸小于所述第二网格尺寸。例如，所述第一网格尺寸为4
×
4，所述第二网格尺寸为8
×
8。
[0055]
步骤104、根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征。
[0056]
可选的，所述根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，包括：针对每一个图像块执行下述操作：根据图像块对应的网格尺寸对所述图像块进行划分，得到多个图像子块；其中，各所述图像子块的尺寸为所述网格尺寸；对各所述图像子块进行尺度不变特征变换特征提取，得到各所述图像子块的尺度不变特征变换特征。
[0057]
可选的，根据图像块对应的网格尺寸对所述图像块进行划分，得到多个图像子块，包括：利用图像块对应的网格尺寸的网格在所述图像块上，按照预设步长滑动，从所述图像块的左上角开始，向右移动并划分图像子块，直至移动至所述图像块的右下角，从而将所述图像块划分为网格尺寸大小的图像子块。例如，图像块对应的网格尺寸为4
×
4，预设步长为2个像素点。利用4
×
4的网格在所述图像块上，按照预设步长滑动，从所述图像块的左上角开始，向右移动并划分图像子块，直至移动至所述图像块的右下角，从而将所述图像块划分为4
×
4大小的图像子块。各所述图像子块的尺寸为4
×
4。
[0058]
可选的，对各所述图像子块进行尺度不变特征变换特征提取，得到各所述图像子块的尺度不变特征变换特征，包括：针对每一个图像子块执行下述操作：通过尺度不变特征变换算法，对图像子块进行尺度不变特征变换特征提取，得到所述图像子块的尺度不变特征变换特征。
[0059]
可选的，图像块包含的全部图像子块的尺度不变特征变换特征构成了图像块的尺度不变特征变换特征。将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征，从而所述目标人脸图像包含的全部图像块的尺度不变特征变换特征构成了所述目标人脸图像的特征。
[0060]
可选的，本发明实施例的技术方案可以根据复杂度较高的图像块对应的尺寸较小的网格尺寸，提取图像块的尺度不变特征变换特征，从而划分的图像子块较多，提取的特征较多，对图像块的图像细节的描述较为精细，实现对复杂度较高的图像块进行充分地特征提取。
[0061]
可选的，本发明实施例的技术方案，可以根据复杂度较低的图像块对应的尺寸较
大的网格尺寸，提取图像块的尺度不变特征变换特征，从而划分的图像子块较少，提取的特征较少，避免对复杂度较低的图像块进行过度特征提取。
[0062]
可选的，人脸图像中的不同图像区域的纹理复杂程度不同。纹理复杂程度较高的图像区域为复杂图像区域。纹理复杂程度较低的图像区域为简单图像区域。复杂图像区域包含的细节信息较多。复杂度较高的图像块即为人脸图像中的复杂图像区域。复杂度较低的图像块即为人脸图像中的简单图像区域。本发明实施例的技术方案可以对人脸图像中的复杂图像区域进行充分地特征提取，避免对人脸图像中的简单图像区域进行过度特征提取。
[0063]
本发明实施例的技术方案，通过获取目标人脸图像，通过预设的边缘检测算法，确定目标人脸图像中的各像素点是否为边缘像素点；然后将目标人脸图像划分为至少两个图像块，根据各图像块中包含的边缘像素点，确定各图像块的复杂度；根据各图像块的复杂度，确定各图像块对应的网格尺寸；最后根据各图像块对应的网格尺寸，提取各图像块的尺度不变特征变换特征，将各图像块的尺度不变特征变换特征确定为目标人脸图像的特征，解决了解决相关技术中的特征提取方案，按照固定的网格尺寸对人脸图像进行网格划分，提取图像子块的sift特征，可能导致对人脸图像中的复杂图像区域的特征提取不够充分，对人脸图像中的简单图像区域的特征过度提取的问题，取到了将人脸图像划分为多个图像块，根据与各图像块的复杂度对应的网格尺寸，分别提取各图像块的尺度不变特征变换特征，可以对人脸图像中的复杂图像区域进行充分地特征提取，可以避免对人脸图像中的简单图像区域进行过度特征提取的有益效果。
[0064]
实施例二
[0065]
图2为本发明实施例二提供的一种特征提取方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，该方法包括：
[0066]
步骤201、获取目标人脸图像，通过canny边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点。
[0067]
可选的，通过canny边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点，包括：利用高斯滤波器对所述目标人脸图像进行平滑降噪；计算所述目标人脸图像中的各像素点的梯度幅值和梯度方向；对各像素点的梯度幅值进行非极大值抑制；根据各像素点的梯度幅值确定双阈值，所述双阈值包括低阈值和高阈值；针对每一个像素点：若像素点的梯度幅值大于高阈值，则判定像素点为边缘像素点；若像素点的梯度幅值小于低阈值，则判定像素点不是边缘像素点，像素点为非边缘像素点；若像素点的梯度幅值大于等于低阈值，小于等于高阈值，则检测像素点是否与确定为边缘像素点的像素点邻接；若像素点与确定为边缘像素点的像素点邻接，则判定像素点为边缘像素点；若像素点没有与确定为边缘像素点的像素点邻接，则判定像素点不是边缘像素点，像素点为非边缘像素点。
[0068]
可选的，边缘像素点是所述目标人脸图像中边缘区域包含的像素点。非边缘像素点是所述目标人脸图像中非边缘区域包含的像素点。
[0069]
步骤202、将所述目标人脸图像划分为多个相同大小的图像块，根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度。
[0070]
可选的，所述将所述目标人脸图像划分为至少两个图像块，包括：将所述目标人脸图像划分为多个相同大小的图像块。可以根据所述目标人脸图像的尺寸，选择合适的尺寸
对所述目标人脸图像进行划分，将所述目标人脸图像划分成相同大小不重叠的图像块。
[0071]
可选的，所述根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度，包括：针对每一个图像块执行下述操作：将图像块划分为多个相同大小的图像子块，确定各所述图像子块的边缘像素点数量和像素点总数量的比值；根据各所述图像子块的边缘像素点数量和像素点总数量的比值，确定所述图像块的信息熵；将所述图像块的信息熵确定为所述图像块的复杂度。
[0072]
可选的，根据图像块的尺寸，选择合适的尺寸对图像块进行划分，将图像块划分成相同大小不重叠的图像子块。
[0073]
可选的，图像子块的边缘像素点数量是图像子块中包含的边缘像素点的数量。图像子块的像素点总数量是图像子块中包含的像素点的总数量。
[0074]
可选的，根据各所述图像子块的边缘像素点数量和像素点总数量的比值，确定所述图像块的信息熵，包括：使用下述预设的信息熵计算公式，计算所述图像块的信息熵：
[0075][0076]
其中，h为所述图像块的信息熵，p(g)为所述图像块中的第g个图像子块的边缘像素点数量和像素点总数量的比值，g＝1，2
…
n，n为所述图像块中包含的图像子块的总数量。预设的信息熵计算公式是用于计算图像块的信息熵的计算公式。图像块的信息熵表征了图像块的不确定性。图像块的信息熵越大，图像块的不确定性越大，图像块的纹理复杂程度越高。图像块的信息熵越小，图像块的不确定性越小，图像块的纹理复杂程度越低。因此，图像块的信息熵可以被看作是图像块的纹理复杂程度的度量。
[0077]
可选的，所述图像块的复杂度是用于表征图像块的纹理复杂程度的数值。将所述图像块的信息熵确定为所述图像块的复杂度。图像块的复杂度越大，图像块的纹理复杂程度越高。图像块的复杂度越小，图像块的纹理复杂程度越低。
[0078]
步骤203、根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸。
[0079]
可选的，所述根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸，包括：针对每一个图像块执行下述操作：判断图像块的复杂度是否大于预设复杂度阈值；若所述图像块的复杂度大于等于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第一网格尺寸；若所述图像块的复杂度小于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第二网格尺寸；其中，所述第一网格尺寸小于所述第二网格尺寸。
[0080]
步骤204、根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征。
[0081]
可选的，所述根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，包括：针对每一个图像块执行下述操作：根据图像块对应的网格尺寸对所述图像块进行划分，得到多个图像子块；其中，各所述图像子块的尺寸为所述网格尺寸；对各所述图像子块进行尺度不变特征变换特征提取，得到各所述图像子块的尺度不变特征变换特征。
[0082]
可选的，根据图像块对应的网格尺寸对所述图像块进行划分，得到多个图像子块，包括：利用图像块对应的网格尺寸的网格在所述图像块上，按照预设步长滑动，从所述图像块的左上角开始，向右移动并划分图像子块，直至移动至所述图像块的右下角，从而将所述图像块划分为网格尺寸大小的图像子块。
[0083]
可选的，对各所述图像子块进行尺度不变特征变换特征提取，得到各所述图像子块的尺度不变特征变换特征，包括：针对每一个图像子块执行下述操作：通过尺度不变特征变换算法，对图像子块进行尺度不变特征变换特征提取，得到所述图像子块的尺度不变特征变换特征。
[0084]
本发明实施例的技术方案，取到了将人脸图像划分为多个图像块，根据与各图像块的复杂度对应的网格尺寸，分别提取各图像块的尺度不变特征变换特征，可以对人脸图像中的复杂图像区域进行充分地特征提取，可以避免对人脸图像中的简单图像区域进行过度特征提取的有益效果。
[0085]
实施例三
[0086]
图3为本发明实施例三提供的一种特征提取装置的结构示意图。该特征提取装置可配置于电子设备中。如图3所示，特征提取装置包括：图像获取模块301、复杂度确定模块302、尺寸确定模块303以及特征提取模块304。
[0087]
其中，图像获取模块301，用于获取目标人脸图像，通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点；复杂度确定模块302，用于将所述目标人脸图像划分为至少两个图像块，根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度；尺寸确定模块303，用于根据各所述图像块的复杂度，确定各所述图像块对应的网格尺寸；特征提取模块304，用于根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征，将各所述图像块的尺度不变特征变换特征确定为所述目标人脸图像的特征。
[0088]
本发明实施例的技术方案，通过获取目标人脸图像，通过预设的边缘检测算法，确定目标人脸图像中的各像素点是否为边缘像素点；然后将目标人脸图像划分为至少两个图像块，根据各图像块中包含的边缘像素点，确定各图像块的复杂度；根据各图像块的复杂度，确定各图像块对应的网格尺寸；最后根据各图像块对应的网格尺寸，提取各图像块的尺度不变特征变换特征，将各图像块的尺度不变特征变换特征确定为目标人脸图像的特征，解决了解决相关技术中的特征提取方案，按照固定的网格尺寸对人脸图像进行网格划分，提取图像子块的sift特征，可能导致对人脸图像中的复杂图像区域的特征提取不够充分，对人脸图像中的简单图像区域的特征过度提取的问题，取到了将人脸图像划分为多个图像块，根据与各图像块的复杂度对应的网格尺寸，分别提取各图像块的尺度不变特征变换特征，可以对人脸图像中的复杂图像区域进行充分地特征提取，可以避免对人脸图像中的简单图像区域进行过度特征提取的有益效果。
[0089]
在本发明实施例的一个可选实施方式中，可选的，图像获取模块301在执行通过预设的边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点的操作时具体用于：通过canny边缘检测算法，确定所述目标人脸图像中的各像素点是否为边缘像素点。
[0090]
在本发明实施例的一个可选实施方式中，可选的，复杂度确定模块302在执行将所述目标人脸图像划分为至少两个图像块的操作时，具体用于：将所述目标人脸图像划分为多个相同大小的图像块。
[0091]
在本发明实施例的一个可选实施方式中，可选的，复杂度确定模块302在执行根据各所述图像块中包含的边缘像素点，确定各所述图像块的复杂度的操作时，具体用于：针对每一个图像块执行下述操作：将图像块划分为多个相同大小的图像子块，确定各所述图像
子块的边缘像素点数量和像素点总数量的比值；根据各所述图像子块的边缘像素点数量和像素点总数量的比值，确定所述图像块的信息熵；将所述图像块的信息熵确定为所述图像块的复杂度。
[0092]
在本发明实施例的一个可选实施方式中，可选的，尺寸确定模块303具体用于：针对每一个图像块执行下述操作：判断图像块的复杂度是否大于预设复杂度阈值；若所述图像块的复杂度大于等于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第一网格尺寸；若所述图像块的复杂度小于预设复杂度阈值，则确定所述图像块对应的网格尺寸为第二网格尺寸；其中，所述第一网格尺寸小于所述第二网格尺寸。
[0093]
在本发明实施例的一个可选实施方式中，可选的，特征提取模块304在执行根据各所述图像块对应的网格尺寸，提取各所述图像块的尺度不变特征变换特征的操作时，具体用于：针对每一个图像块执行下述操作：根据图像块对应的网格尺寸对所述图像块进行划分，得到多个图像子块；其中，各所述图像子块的尺寸为所述网格尺寸；对各所述图像子块进行尺度不变特征变换特征提取，得到各所述图像子块的尺度不变特征变换特征。
[0094]
在本发明实施例的一个可选实施方式中，可选的，图像获取模块301在执行获取目标人脸图像的操作时，具体用于：获取用户上传的目标人脸图像。
[0095]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0096]
上述特征提取装置可执行本发明任意实施例所提供的特征提取方法，具备执行特征提取方法相应的功能模块和有益效果。
[0097]
实施例四
[0098]
图4示出了可以用来实现本发明实施例的特征提取方法的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0099]
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18构建到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0100]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0101]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适
当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如特征提取方法。
[0102]
在一些实施例中，特征提取方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序构建到ram 13并由处理器11执行时，可以执行上文描述的特征提取方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行特征提取方法。
[0103]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0104]
用于实施本发明的特征提取方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0105]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0106]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0107]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0108]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0109]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0110]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。