图像特征提取方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103971112103971112A(43)申请公布日2014.08.06(21)申请号201310046365.3(22)申请日2013.02.05(71)申请人腾讯科技(深圳)有限公司地址518044广东省深圳市福田区振兴路赛格科技园2栋东403室(72)发明人郭安泰孙金阳(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287代理人胡海国(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权权利要求书3页利要求书3页说明书8页说明书8页附图5页附图5页(54)发明名称图像特征提取方法及装置(57)摘要本发明公开一种图像特征提取方法及装置，其方法包括：标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；根据随机森林局部纹理模型、特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。本发明基于主动形态模型算法的框架，利用随机森林算法生成的局部纹理模型，改善了主动形态模型算法在分辨率低的算法健壮性；减少光照和色差的干扰，增强脸部特征点定位的鲁棒性；同时极大的减小了计算复杂度，增加了特征点定位的实时性、准确性。CN103971112ACN103972ACN103971112A权利要求书1/3页1.一种图像特征提取方法，其特征在于，包括：标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；从所述特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置；通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型；根据所述随机森林局部纹理模型、所述特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取。2.根据权利要求1所述的方法，其特征在于，所述通过随机森林算法生成所述训练集图库中每个特征点的随机森林局部纹理模型的步骤包括：S1、对所述特征点矩阵中的每一特征点，将以该特征点为中心的像素区域作为正样本，在该特征点周围随机抽取N个伪特征点，并将以伪特征点为中心的像素区域作为负样本，得到N+1个正负样本；S2、设定训练集图库包含S幅训练图，则将S幅训练图中对应该特征点的N+1个正负样本共S*（N+1）个样本作为该特征点的训练样本集；S3、随机选取所述像素区域内的两个像素点；对于所述训练样本集中的每一样本，在对应两个像素点处进行灰度值大小比较，将所述训练样本集分为左右子树集两类;S4、重复上述步骤S3预定次数，选取预定条件的左右子树集，并将对应的两个像素点，作为该左右子树集所在节点的分类器点对；S5、对选取的所述左右子树集分别进行步骤S3-步骤S4，直到顶层节点，获取各层节点的分类器点对，建立搜索路径；并获取各顶层节点的正样本数和总样本数；以各顶层节点的正样本数和总样本数的比率作为各顶层节点的相似概率，生成所述特征点的一决策树；S6、重复上述步骤S3-S5，对每一特征点生成L颗决策树，形成该特征点的随机森林局部纹理模型。3.根据权利要求1所述的方法，其特征在于，所述从特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置的步骤之前还包括：对所述特征点矩阵进行图像轮廓归一化处理。4.根据权利要求1所述的方法，其特征在于，所述从特征点矩阵中提取特征向量矩阵、特征向量值以及所述训练集图库的平均特征点几何位置的步骤之前还包括：对所述特征点矩阵进行PCA降维处理。5.根据权利要求2、3或4所述的方法，其特征在于，所述根据随机森林局部纹理模型、所述特征向量矩阵、特征向量值以及平均特征点几何位置对当前输入图像进行特征提取的步骤包括：选取当前输入图像中目标特征点的一几何位置作为搜索的起始位置；并在所述起始位置附近选取一搜索区域；对所述搜索区域内的每一像素点，根据所述随机森林局部纹理模型中对应的搜索路径，获取对应顶层节点的相似概率，取其中相似概率最大的像素点的位置作为改进特征点位置，并记录对应的相似概率；根据所述改进特征点位置、记录的对应的相似概率，以及所述特征向量矩阵、特征向量值和平均特征点几何位置，进行几何变换矩阵和形状变换矩阵的迭代计算直至收敛，获取2CN103971112A权利要求书2/3页最优几何变换矩阵和形状变换矩阵；根据所述最优几何变换矩阵和形状变换矩阵、特征向量矩阵以及平均特征点几何位置计算获取目标特征点位置。6.一种图像特征提取装置，其特征在于，包括：标定模块，用于标定训练集图库中各图像轮廓的特征点，得到训练集图库的特征点矩阵；第一