專利名稱：一種快速準(zhǔn)確的智能圖像處理系統(tǒng)及其處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種快速準(zhǔn)確的智能圖像處理系統(tǒng)及其處理方法，屬于數(shù) 字圖像處理、數(shù)據(jù)分析技術(shù)領(lǐng)域。
技術(shù)背景智能圖像處理技術(shù)廣泛地應(yīng)用于計(jì)算機(jī)視覺相關(guān)領(lǐng)域，比如基于圖像 的人臉身份識(shí)別，人臉表情識(shí)別，人臉性別識(shí)別和人臉年齡估計(jì)等，其中 人臉身份識(shí)別可以用于證件照片確認(rèn)，樓宇進(jìn)出控制，信用卡身份確認(rèn)等 領(lǐng)域，人臉表情識(shí)別，人臉性別識(shí)別，人臉年齡估計(jì)可以用于各種智能人 機(jī)交互系統(tǒng)，指紋圖像識(shí)別可以進(jìn)行指紋識(shí)別以鑒別身份。目前，現(xiàn)有的智能圖像處理方法一般分為兩個(gè)步驟，第一個(gè)步驟是進(jìn)行圖像特征提取，目的是獲得圖像的低維表示，以便后續(xù)的識(shí)別分類處理； 第二個(gè)步驟對(duì)提取后的特征使用各種分類器比如最近鄰(KNN),支持向 量機(jī)(SVM)進(jìn)行分類，例如Xiaogang Wang和Xiaoou Tang在"A Unified Framework for Subspace Face Recognition" (IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL 26， NO. 9， SEPTEMBER 2004 pp 1222-1228 ) 文中提出了一種人臉識(shí)別框架，主要思想是利用主成分分析和線性判別分 析進(jìn)行人臉特征提取，然后結(jié)合最近鄰分類器進(jìn)行人臉識(shí)別。K. E.Gates 在，,Fast and Accurate Face Recognition Using Support Vector Machines" (Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition) 文中提出了一禾中基于支持向 量機(jī)的人臉識(shí)別方法。上述方法取得了較好的識(shí)別效果，但是也存在很多不足。首先，基于主成分分析的方法不能保證找到最有利于分類的圖像低維 表示，線性判別分析雖然試圖找到最有利于分類的圖像低維表示，但是受 到實(shí)際應(yīng)用中注冊(cè)樣本數(shù)目有限的限制，線性判別分析也并不能保證找到 最優(yōu)的低維投影方式。關(guān)于分類器，最近鄰分類器需要較大的存貯需求，運(yùn)算量大，不適合 實(shí)時(shí)應(yīng)用。支持向量機(jī)具有很好的分類能力，但是本身支持向量機(jī)是二類 分類器，當(dāng)解決多類問題的時(shí)候，比如人臉識(shí)別問題，支持向量數(shù)目多， 計(jì)算量大，也不適合實(shí)時(shí)應(yīng)用。 發(fā)明內(nèi)容本發(fā)明的目的在于提供一種快速準(zhǔn)確智能圖像處理系統(tǒng)，另一目的是 提供一種智能圖像處理方法，上述系統(tǒng)和處理方法的特點(diǎn)是存儲(chǔ)需求小， 識(shí)別速度快，識(shí)別精度高，可以廣泛用于實(shí)時(shí)工業(yè)應(yīng)用領(lǐng)域以及公用設(shè)施 領(lǐng)域。為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是該快速準(zhǔn)確的智能圖像處理 系統(tǒng)，包括圖像采集模塊、圖像轉(zhuǎn)化模塊、數(shù)據(jù)傳輸模塊、計(jì)算以及存儲(chǔ) 模塊、數(shù)據(jù)輸出模塊。該系統(tǒng)的圖像采集模塊的作用是獲得待處理的圖像， 圖像轉(zhuǎn)化模塊的作用是將采集到的圖像轉(zhuǎn)化為計(jì)算以及存儲(chǔ)模塊可以識(shí) 別和處理的格式，計(jì)算以及存儲(chǔ)模塊的作用是存儲(chǔ)注冊(cè)圖像的特征以及智 能圖像處理方法的模型，執(zhí)行智能圖像處理，存儲(chǔ)處理結(jié)果，同時(shí)，對(duì)圖 像采集設(shè)備發(fā)出指令進(jìn)行控制。數(shù)據(jù)輸出模塊的作用是將智能圖像處理的 結(jié)果顯示出來(lái)。發(fā)明的智能圖像處理方法的技術(shù)方案是其處理步驟是本發(fā)明分為 兩個(gè)部分，第一步是建立注冊(cè)樣本集，第二步是進(jìn)行新樣本識(shí)別。"注冊(cè) 樣本集"的建立又分為幾步，首先從圖像輸入模塊獲得同類的注冊(cè)樣本原 始圖像，然后經(jīng)過計(jì)算機(jī)目標(biāo)檢測(cè)，定位，預(yù)處理和歸一化得到標(biāo)準(zhǔn)化的注冊(cè)樣本數(shù)字圖像，再對(duì)每一張標(biāo)準(zhǔn)化的注冊(cè)樣本數(shù)字圖像進(jìn)行特征提 取，分別得到相應(yīng)的一維特征向量表示，所有注冊(cè)樣本的特征向量構(gòu)成注冊(cè)樣本特征矩陣A。再根據(jù)矩陣A中每一個(gè)特征向量所屬類別，計(jì)算出一個(gè)數(shù)據(jù)分析模型，即一個(gè)投影矩陣w。對(duì)于新樣本識(shí)別，首先從圖像輸入設(shè)備獲得待識(shí)別圖像，經(jīng)過計(jì)算機(jī)目標(biāo)檢測(cè)，定位，預(yù)處理和歸一化得到 標(biāo)準(zhǔn)的待識(shí)別的目標(biāo)圖像，然后再對(duì)此圖像進(jìn)行特征提取得到待識(shí)別的圖像特征向量y，然后通過數(shù)據(jù)模型計(jì)算出待識(shí)別圖像的判別向量z，再分 析判別向量z得到識(shí)別結(jié)果。本發(fā)明的有益效果本快速準(zhǔn)確智能圖像處理系統(tǒng)及其處理方法，其特點(diǎn)是存儲(chǔ)需求小，識(shí)別速度快，識(shí)別精度高，可以廣泛用于實(shí)時(shí)工業(yè)應(yīng) 用領(lǐng)域以及公用設(shè)施領(lǐng)域，取代現(xiàn)有技術(shù)成為主流技術(shù)，降低設(shè)備成本， 使眾多的埸合得以應(yīng)用，經(jīng)濟(jì)效果顯著。以下結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作比較詳細(xì)地說明。


圖1為本發(fā)明的快速準(zhǔn)確的智能圖像處理系統(tǒng)結(jié)構(gòu)原理框圖；圖2為本發(fā)明的快速準(zhǔn)確的智能圖像處理方法的程序流程圖。
具體實(shí)施方式
參照?qǐng)Dl,這是本發(fā)明的快速準(zhǔn)確的智能圖像處理系統(tǒng)結(jié)構(gòu)原理框圖。 如圖所示，該快速準(zhǔn)確智能圖像處理系統(tǒng)，包括圖像采集模塊l、圖像轉(zhuǎn)化模塊2、數(shù)據(jù)傳輸模塊3、計(jì)算模塊4、計(jì)算模塊5、數(shù)據(jù)傳輸模塊 6、數(shù)據(jù)輸出模塊7。該系統(tǒng)的信息傳遞關(guān)系是從圖像采集模塊1采集到的信息(圖像)送至圖像轉(zhuǎn)化模塊2，圖像轉(zhuǎn)化模塊的作用是獲得待處理的圖像，并將采集 到的圖像轉(zhuǎn)化為計(jì)算以及存儲(chǔ)模塊可以識(shí)別和處理的格式，送至計(jì)算以及 存儲(chǔ)模塊，存儲(chǔ)模塊的作用是存儲(chǔ)注冊(cè)圖像的特征，智能圖像處理方法的模型和程序以及存儲(chǔ)處理的結(jié)果，計(jì)算模塊的作用是執(zhí)行智能圖像處理同 時(shí)，對(duì)圖像采集模塊發(fā)出指令進(jìn)行控制。數(shù)據(jù)輸出模塊的作用是將智能圖 像處理的結(jié)果顯示出來(lái)。所述的計(jì)算模塊4，包括執(zhí)行智能圖像處理的CPU以及相關(guān)電路。 所述的存儲(chǔ)模塊5，包括存儲(chǔ)器以及存儲(chǔ)在其中的智能處理程序和智能 處理模型。本發(fā)明所述的智能圖像處理方法的技術(shù)方案，每一步的作用詳細(xì)分述 如下從圖像輸入模塊獲得數(shù)字圖像是指從各種圖像輸入設(shè)備包括攝像機(jī)， 錄像機(jī)，照相機(jī)等等，獲得圖像，計(jì)算機(jī)目標(biāo)檢測(cè)，定位是指利用某種算 法找到完全包含待識(shí)別目標(biāo)的圖像區(qū)域，將該區(qū)域內(nèi)的圖像保存為數(shù)字化 的圖像。比如人臉識(shí)別，對(duì)一幅輸入圖像，如果有人臉存在，則找出所有 人臉的位置信息和大小信息，從而得到若干完全包含各個(gè)人臉區(qū)域的圖 像。計(jì)算機(jī)預(yù)處理和歸一化是指利用數(shù)字圖像處理技術(shù)對(duì)輸入的數(shù)字圖 像進(jìn)行各種圖像處理，包括平移，旋轉(zhuǎn)，縮放，濾波等等，使得到的圖像 在尺度，角度，灰度直方圖等等都一致。比如人臉識(shí)別，根據(jù)人臉圖像的 雙眼位置信息，通過旋轉(zhuǎn)，平移，縮放等幾何變換使得所有訓(xùn)練人臉圖像 的雙眼位置相同，人臉圖像的尺寸大小也相同，每一張人臉圖像都經(jīng)過直 方圖均衡化等操作。圖像特征提取指把輸入圖像的灰度或者顏色信息，或者是對(duì)圖像進(jìn)行數(shù)學(xué)變換，結(jié)果將一張輸入圖像表示為一個(gè)一維向量，該向量能代表該圖像的特征。 比如直接將圖像的灰度信息作為特征，將圖像按照行或者列優(yōu)先的順序?qū)?圖像矩陣表示為一個(gè)一維向量。注冊(cè)樣本特征矩陣A是指A中每一個(gè)行向量對(duì)應(yīng)一個(gè)注冊(cè)樣本數(shù)字 圖像的特征向量。投影矩陣W是指對(duì)注冊(cè)樣本特征矩陣A進(jìn)行奇異值分解得到， ， ^ 。其中&是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的奇異值對(duì)角矩陣，^^，^分別是矩陣A的奇異值分解結(jié)果的前M個(gè) 較大的奇異值對(duì)應(yīng)的左奇異向量矩陣和右奇異向量矩陣，M由用戶根據(jù)實(shí) 際應(yīng)用自行選擇。如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'不為零，那么^中 的第i列4'所有元素都除以^',如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'為零，那么4中的第i列不變，經(jīng)過這步操作得到更新的矩陣^ 。再將 矩陣A中屬于第i種屬性的列向量對(duì)應(yīng)的列號(hào)放入一個(gè)集合記為Si，把 中行號(hào)屬于集合Si的行向量進(jìn)行累加得到一個(gè)新的行向量，這個(gè)行向量作 為一個(gè)新矩陣D的第i行。再構(gòu)造一個(gè)大小為MXM的對(duì)角矩陣K，構(gòu)造 方式為K的第i個(gè)對(duì)角元素按照下面表達(dá)式計(jì)算1其中"，"是用戶預(yù)設(shè)的非負(fù)常數(shù)例如1.0， 1.0。再計(jì)算矩陣^， K，矩 陣D的轉(zhuǎn)置矩陣的乘積得到一個(gè)新的矩陣『，即投影矩陣。通過數(shù)據(jù)模型計(jì)算出待識(shí)別圖像的判別向量Z是指按照下述表達(dá)式 計(jì)算判別向量z:z =『>分析判別向量Z得到處理結(jié)果是指輸入圖像所屬類別C按照下述表 達(dá)式進(jìn)行計(jì)算c = argmaxz,.參照?qǐng)D2，這是本發(fā)明的快速準(zhǔn)確的智能圖像處理方法的程序流程圖。如圖所示，快速準(zhǔn)確的智能圖像處理方法的程序流程，其步驟如下 從[啟動(dòng)智能圖像處理系統(tǒng)]101開始，進(jìn)入[初始化并控制圖像采集、轉(zhuǎn)化設(shè)備]102，[模型數(shù)據(jù)是否存在？ ]103進(jìn)行判斷，如果否，則進(jìn)入模型計(jì)算 模塊的[建立分析模型]104、[收注冊(cè)圖像及其屬性]105、[目標(biāo)檢測(cè)、定位 以及歸一化預(yù)處理]106、[目標(biāo)特征提取]107、[建立特征庫(kù)]108、[求解分 析模型]109、[保存模型]110;如果是，則進(jìn)入圖像識(shí)別模塊中的[載入分析 模型]lll、[接收待識(shí)別圖像]112、[目標(biāo)檢測(cè)，定位以及歸一化預(yù)處理]113、 [目標(biāo)圖像特征提取]114、[識(shí)別目標(biāo)屬性]115，然后進(jìn)入[顯示，保存結(jié)果， 控制圖像采集設(shè)備]116，分開兩路， 一路進(jìn)入[結(jié)束系統(tǒng)運(yùn)行？ ]117進(jìn)行判 斷，如果是則[結(jié)束]118;如果否，則返回[接收待識(shí)別圖像]112;[顯示， 保存結(jié)果，控制圖像采集設(shè)備]116的另一路，則返回[初始化并控制圖像 采集、轉(zhuǎn)化設(shè)備]102。以下三個(gè)實(shí)施例對(duì)本發(fā)明快速準(zhǔn)確智能圖像處理系統(tǒng)處理方法加以說明。實(shí)例一計(jì)算機(jī)人臉自動(dòng)識(shí)別系統(tǒng) 整個(gè)發(fā)明實(shí)現(xiàn)過程如下1)、建立人臉訓(xùn)練數(shù)據(jù)庫(kù)。從人臉圖像庫(kù)中選擇L個(gè)人的N張人臉圖 片，每個(gè)人有N/K張，然后對(duì)這些圖片進(jìn)行預(yù)處理，首先進(jìn)行人臉檢測(cè)，然后對(duì)每一張人臉圖像進(jìn)行手工或者自動(dòng)人眼定位，然后根據(jù)人眼定位結(jié) 果對(duì)人臉圖像進(jìn)行尺度，角度，歸一化，使得每張人臉圖像的雙眼位置相 同，人臉圖像尺寸也相同， 一張人臉圖像就表示為一個(gè)矩陣，矩陣中的元 素就是圖像中對(duì)應(yīng)每個(gè)象素點(diǎn)的灰度值，然后將每一個(gè)人臉圖像對(duì)應(yīng)的矩陣表示為一個(gè)大小為1Xd的一維特征行向量，這個(gè)行向量由一個(gè)人臉圖像對(duì)應(yīng)的矩陣的每一個(gè)行向量依次拼接而成，然后所有人臉圖像的特征行向量就構(gòu)成訓(xùn)練特征矩陣A，大小為NXd。2)、計(jì)算投影矩陣W。首先對(duì)矩陣A進(jìn)行奇異值分解得到^ ， Ww ， 4 。其中&是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的奇異值對(duì)角矩陣，， ^分別是矩陣A的奇異值分解結(jié)果的前M個(gè) 較大的奇異值對(duì)應(yīng)的左奇異向量矩陣和右奇異向量矩陣，M由用戶根據(jù)實(shí)際應(yīng)用自行選擇。如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'不為零，那么^中的第i列^'所有元素都除以^',如果對(duì)角矩陣"^第i個(gè)對(duì)角元素^'為零，那么「m中的第i列「m'不變，經(jīng)過這步操作得到更新的矩陣^ 。對(duì)注 冊(cè)圖像庫(kù)中的每個(gè)人賦予唯一一個(gè)1 L的編號(hào)，將矩陣A中屬于第i個(gè)人的行向量對(duì)應(yīng)的行號(hào)放入一個(gè)集合記為7:，把t^中行號(hào)屬于集合？:的行向量進(jìn)行累加得到一個(gè)新的行向量，這個(gè)行向量作為一個(gè)新矩陣D的第 i行。再構(gòu)造一個(gè)大小為MXM的對(duì)角矩陣K，構(gòu)造方式為K的第i個(gè) 對(duì)角元素按照下面表達(dá)式計(jì)算-《=1"1 + ae-w其中"，/ 分別取1.0， 1.0。再計(jì)算矩陣^， K，矩陣D的轉(zhuǎn)置矩陣的乘積得到一個(gè)新的矩陣『=^^^^，即投影矩陣。3)、對(duì)待識(shí)別的人臉圖像進(jìn)行計(jì)算機(jī)自動(dòng)人臉檢測(cè)和自動(dòng)人眼定位， 然后進(jìn)行歸一化預(yù)處理得到灰度圖像，將該圖像的象素特征表示為一個(gè)大小為dXl 的一維特征列向量y。4)、計(jì)算降維投影系數(shù)^ =『^5)、進(jìn)行人臉識(shí)別。取Z中最大元素，若該元素大于某個(gè)預(yù)設(shè)的閥 值g，那么該元素對(duì)應(yīng)的索引號(hào)對(duì)應(yīng)的類別作為識(shí)別結(jié)果c = argmaxz,.若該元素小于某個(gè)預(yù)設(shè)的閥值g，則認(rèn)為預(yù)測(cè)人臉圖像不屬于訓(xùn)練庫(kù)中的 某一個(gè)人，識(shí)別為未注冊(cè)人臉。實(shí)例二計(jì)算機(jī)人臉表情自動(dòng)識(shí)別系統(tǒng) 整個(gè)發(fā)明實(shí)現(xiàn)過程如下1) 、建立人臉表情訓(xùn)練數(shù)據(jù)庫(kù)。定義表情種類，如笑，哭，沮喪，瞌 睡，驚奇，憤怒等，從人臉圖像庫(kù)中選擇具有L種表情的N張人臉圖像， 每種表情有N/L張圖像，然后對(duì)這些圖片進(jìn)行預(yù)處理，首先進(jìn)行人臉檢測(cè)，然后對(duì)每一張人臉圖像進(jìn)行手工或者自動(dòng)人眼定位，然后根據(jù)人眼定位結(jié) 果對(duì)人臉圖像進(jìn)行尺度，角度，歸一化，使得每張人臉圖像的雙眼位置相 同，人臉圖像尺寸也相同， 一張人臉圖像就表示為一個(gè)矩陣，矩陣中的元 素就是圖像中對(duì)應(yīng)每個(gè)象素點(diǎn)的灰度值，然后將每一個(gè)人臉圖像對(duì)應(yīng)的矩陣表示為一個(gè)大小為ixd的一維特征行向量，這個(gè)行向量由一個(gè)人臉圖像對(duì)應(yīng)的矩陣的每一個(gè)行向量依次拼接而成，然后所有人臉圖像的特征行向量就構(gòu)成訓(xùn)練特征矩陣A，大小為NXd。2) 、計(jì)算投影矩陣W。首先對(duì)矩陣A進(jìn)行奇異值分解得到^ ， tV,fV。其中&是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的奇異值 對(duì)角矩陣，, ^分別是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異 值對(duì)應(yīng)的左奇異向量矩陣和右奇異向量矩陣，M由用戶根據(jù)實(shí)際應(yīng)用自行選擇。如果對(duì)角矩陣^第i個(gè)對(duì)角元素sv不為零，那么^中的第i列py所有元素都除以^/，如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'為零，那么^中的第i列「M'不變，經(jīng)過這步操作得到更新的矩陣^。對(duì)注冊(cè)圖像庫(kù)中的每種表情賦予唯一一個(gè)1 L的編號(hào)，再將矩陣A中屬于第i種表情的行向量對(duì)應(yīng)的行號(hào)放入一個(gè)集合記為T ，把VM中行號(hào)屬于集合T的行向量進(jìn)行累加得到一個(gè)新的行向量，這個(gè)行向量作為一個(gè)新矩陣D的第i行。 再構(gòu)造一個(gè)大小為MXM的對(duì)角矩陣K,構(gòu)造方式為K的第i個(gè)對(duì)角元素按照下面表達(dá)式計(jì)算=1其中"，"分別取l.O， 1.0。再計(jì)算矩陣^， K，矩陣D的轉(zhuǎn)置矩陣的乘積得到一個(gè)新的矩陣『=^《"、即投影矩陣。3) 、對(duì)待識(shí)別的人臉圖像進(jìn)行計(jì)算機(jī)自動(dòng)人臉檢測(cè)和自動(dòng)人眼定位， 然后進(jìn)行歸一化預(yù)處理得到灰度圖像，將該圖像的象素特征表示為一個(gè)大小為dXl 的一維特征列向量y。4) 、計(jì)算降維投影系數(shù)2 =『、5) 、進(jìn)行人臉表情識(shí)別。取z中最大元素對(duì)應(yīng)的索引號(hào)對(duì)應(yīng)的表情作 為識(shí)別結(jié)果。實(shí)例三計(jì)算機(jī)人臉性別自動(dòng)識(shí)別系統(tǒng) 整個(gè)發(fā)明實(shí)現(xiàn)過程如下1)、建立人臉性別訓(xùn)練數(shù)據(jù)庫(kù)。從人臉圖像庫(kù)中選擇具有L種性別的 N張人臉圖像，每種性別有N/L張圖像，然后對(duì)這些圖片進(jìn)行預(yù)處理，首 先進(jìn)行人臉檢測(cè)，然后對(duì)每一張人臉圖像進(jìn)行手工或者自動(dòng)人眼定位，然 后根據(jù)人眼定位結(jié)果對(duì)人臉圖像進(jìn)行尺度，角度，歸一化，使得每張人臉 圖像的雙眼位置相同，人臉圖像尺寸也相同， 一張人臉圖像就表示為一個(gè) 矩陣，矩陣中的元素就是圖像中對(duì)應(yīng)每個(gè)象素點(diǎn)的灰度或者顏色值，然后將每一個(gè)人臉圖像對(duì)應(yīng)的矩陣表示為一個(gè)大小為dX 1的一維特征列向量，這個(gè)列向量由一個(gè)人臉圖像對(duì)應(yīng)的矩陣的每一個(gè)列向量依次拼接而成，然后所有人臉圖像的特征列向量就構(gòu)成訓(xùn)練特征矩陣A，大小為NXd， A的每一個(gè)列向量對(duì)應(yīng)一張人臉圖,像的特征列向量。2)、計(jì)算投影矩陣W。首先對(duì)矩陣A進(jìn)行奇異值分解得到^ ， Um，^。其中&是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的奇異值 對(duì)角矩陣，， FM分別是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異 值對(duì)應(yīng)的左奇異向量矩陣和右奇異向量矩陣，M由用戶根據(jù)實(shí)際應(yīng)用自行 選擇。如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'不為零，那么^中的第i列^/ 所有元素都除以^i,如果對(duì)角矩陣^第i個(gè)對(duì)角元素^'為零，那么^中的第i列fV'不變，經(jīng)過這步操作得到更新的矩陣^。對(duì)注冊(cè)圖像庫(kù)中 的每種性別賦予唯一一個(gè)1 L的編號(hào)，再將矩陣A中屬于第i種性別的行向量對(duì)應(yīng)的行號(hào)放入一個(gè)集合記為^ ，把中行號(hào)屬于集合T的行向 量進(jìn)行累加得到一個(gè)新的行向量，這個(gè)行向量作為一個(gè)新矩陣D的第i行。 再構(gòu)造一個(gè)大小為MXM的對(duì)角矩陣K，構(gòu)造方式為K的第i個(gè)對(duì)角元 素按照下面表達(dá)式計(jì)算《i 二-T1+從—~其中"，々分別取1.0， 1.0。再計(jì)算矩陣^， K，矩陣D的轉(zhuǎn)置矩陣的乘積得到一個(gè)新的矩陣『=^^^，即投影矩陣。3)、對(duì)待識(shí)別的人臉圖像進(jìn)行計(jì)算機(jī)自動(dòng)人臉檢測(cè)和自動(dòng)人眼定位， 然后進(jìn)行歸一化預(yù)處理得到灰度圖像，將該圖像的象素特征表示為一個(gè)大小為dXl 的一維特征列向量y。4) 、計(jì)算降維投影系數(shù)z-5) 、進(jìn)行人臉性別識(shí)別。取z中最大元素對(duì)應(yīng)的索引號(hào)對(duì)應(yīng)的性別作 為識(shí)別結(jié)果。雖然本發(fā)明已參照上述的實(shí)施例來(lái)描述，但是本技術(shù)領(lǐng)域中的普通技 術(shù)人員，應(yīng)當(dāng)認(rèn)識(shí)到以上的實(shí)施例僅是用來(lái)說明本發(fā)明，應(yīng)理解其中可作 各種變化和修改而在廣義上沒有脫離本發(fā)明，所以并非作為對(duì)本發(fā)明的限 定，只要在本發(fā)明的實(shí)質(zhì)精神范圍內(nèi)，對(duì)以上所述的實(shí)施例的變化、變形 都將落入本發(fā)明權(quán)利要求的保護(hù)范圍。
權(quán)利要求
1. 一種快速準(zhǔn)確的智能圖像處理系統(tǒng)，包括一計(jì)算機(jī)圖像處理系統(tǒng)，其特征在于該處理系統(tǒng)包括包括圖像采集模塊(1)、圖像轉(zhuǎn)化模塊(2)、數(shù)據(jù)傳輸模塊(3)、計(jì)算模塊(4)、存儲(chǔ)處理模塊(5)、數(shù)據(jù)傳輸模塊(6)、數(shù)據(jù)輸出模塊(7)；該系統(tǒng)的信息傳遞關(guān)系是從圖像采集模塊1采集到的信息(圖像)送至圖像轉(zhuǎn)化模塊2，圖像轉(zhuǎn)化模塊的作用是獲得待處理的圖像，并將采集到的圖像轉(zhuǎn)化為計(jì)算以及存儲(chǔ)模塊可以識(shí)別和處理的格式，送至計(jì)算以及存儲(chǔ)模塊，存儲(chǔ)模塊的作用是存儲(chǔ)注冊(cè)圖像的特征，智能圖像處理方法的模型和程序以及存儲(chǔ)處理的結(jié)果，計(jì)算模塊的作用是執(zhí)行智能圖像處理同時(shí)，對(duì)圖像采集模塊發(fā)出指令進(jìn)行控制。數(shù)據(jù)輸出模塊的作用是將智能圖像處理的結(jié)果顯示出來(lái)。
2、根據(jù)權(quán)利要求1快速準(zhǔn)確的智能圖像處理系統(tǒng)，其特征在于，所 述的計(jì)算以及存儲(chǔ)處理模塊.4，包括執(zhí)行智能圖像處理的CPU、存儲(chǔ)在各 種存儲(chǔ)器中的智能處理程序。
3、 用于快速準(zhǔn)確的智能圖像處理系統(tǒng)的處理方法，其特征在于該 方法的步驟是第l步若分析模型已經(jīng)載入，則執(zhí)行第4步，否則執(zhí)行 笫2步；笫2步獲得注冊(cè)圖像及其屬性，并進(jìn)行目標(biāo)檢測(cè)，定位，歸一 化預(yù)處理和特征提取得到一個(gè)樣本特征矩陣；笫3步根據(jù)樣本特征矩陣 和樣本屬性計(jì)算投影矩陣并作為分析模型保存并載入系統(tǒng)；第4步接收 待識(shí)別圖像，并進(jìn)行目標(biāo)檢測(cè)，定位以及歸一化預(yù)處理和特征提??；第5 步由分析模型計(jì)算判別向量；第6步將判別向量中最大元素對(duì)應(yīng)的索 引號(hào)作為目標(biāo)圖像的屬性標(biāo)號(hào)。
4、 根據(jù)權(quán)利要求3所述的智能圖像處理方法，其特征在于，所迷的 步驟笫2步獲得注冊(cè)圖像及其屬性，并進(jìn)行目標(biāo)檢測(cè)，定位，歸一化預(yù)處理和特征提取得到一個(gè)樣本特征矩陣，是從數(shù)字圖像輸入模塊獲得注冊(cè) 圖像，人工標(biāo)定其屬性值；其具體步驟是(1) 在每張注冊(cè)圖像中對(duì)待識(shí)別目標(biāo)進(jìn)行檢測(cè)，和定位；是指在注 冊(cè)圖像中找出完全包含待識(shí)別目標(biāo)的區(qū)域，并找出其關(guān)鍵點(diǎn)和特征 點(diǎn)；(2) 對(duì)注冊(cè)的目標(biāo)圖像進(jìn)行歸一化預(yù)處理是指利用各種數(shù)字圖像處 理技術(shù)對(duì)輸入的數(shù)字圖像進(jìn)行各種圖像處理，包括平移，旋轉(zhuǎn)，縮放， 濾波等等，使得到的圖像在尺度，角度，灰度直方圖等等都一致。比 如人臉識(shí)別，根據(jù)人臉圖像的雙眼位置信息，通過旋轉(zhuǎn)，平移，縮放 等幾何變換使得所有訓(xùn)練人臉圖像的雙眼位置相同，人臉圖像的尺寸 大小也相同，每一張人臉圖像都經(jīng)過直方圖均衡化等操作。(3) 特征提取是指把一張圖像的灰度或者顏色信息表示為一個(gè)一維 向量，或者是對(duì)圖像進(jìn)行某種數(shù)學(xué)變換將一張圖像表示為一個(gè)一維向(4) 人工標(biāo)定每一個(gè)注冊(cè)樣本的屬性值。
5、根據(jù)權(quán)利要求3所述的智能圖像處理方法，其特征在于，所述 的步驟第3步中的"樣本特征矩陣"是指把每一個(gè)注冊(cè)樣本的特征表示為一個(gè)行向量，這些行向量依次排列組成樣本特征矩陣。計(jì)算投影矩陣w是指按照以下步驟計(jì)算投影矩陣W-(1) 對(duì)樣本特征矩陣進(jìn)行奇異值分解(2) 根據(jù)分解結(jié)果得到三個(gè)矩陣&， ^/，~，其中&是矩陣A 的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的奇異值對(duì)角矩陣， Vm , ^分別是矩陣A的奇異值分解結(jié)果的前M個(gè)較大的奇異值對(duì)應(yīng)的左 奇異向量矩陣和右奇異向量矩陣，M由用戶根據(jù)實(shí)際應(yīng)用自行選擇。(3) 更新矩陣^/:如果對(duì)角矩陣^第i個(gè)對(duì)角元素A/不為零，那么^中的第i列所有元素都除以，如果對(duì)角矩陣&第i個(gè)對(duì)角 元素為零，那么^中的第i列^'不變。(4) 構(gòu)造新的矩陣D:構(gòu)造方式是，首先對(duì)注冊(cè)圖像的屬性從1 K 編號(hào)，其中K為總屬性類別數(shù)目，將矩陣A中屬于第i種屬性的行向量對(duì)應(yīng)的列號(hào)放入一個(gè)集合記為T ，把Um中行號(hào)屬于集合；的行向量進(jìn)行累 加得到一個(gè)新的行向量作為一個(gè)新矩陣D的第i行，其中i=l,...，K。(5) 構(gòu)造一個(gè)大小為MXM的對(duì)角矩陣K，構(gòu)造方式為K的第 i個(gè)對(duì)角元素按照下面表達(dá)式計(jì)算<formula>formula see original document page 4</formula> 其中"，"是用戶選擇的參數(shù)例如"，P分別取1.0， 1.0。 (6) 計(jì)算投影矩陣『=~^^ 。
6、根據(jù)權(quán)利要求3所述的智能圖像處理方法，其特征在于，所述 的步驟第5步中計(jì)算判斷向量是指按下述表達(dá)式計(jì)算系數(shù)
7、根據(jù)權(quán)利要求3所述的智能圖像處理方法，其特征在于，所述 的步驟第6步中"將判別向量中最大元素對(duì)應(yīng)的索引號(hào)作為目標(biāo)圖像的屬 性標(biāo)號(hào)"是指按照下述表達(dá)式對(duì)待識(shí)別圖像的屬性c進(jìn)行識(shí)別-c = argmax^
8、根據(jù)權(quán)利要求3所述的智能圖像處理方法，其特征在于，所述 的快速準(zhǔn)確的智能圖像處理方法的程序流程，其步驟如下從[啟動(dòng)智能圖像處理系統(tǒng)]101開始，進(jìn)入[初始化并控制圖像采集、轉(zhuǎn)化設(shè)備]102，[模 型數(shù)據(jù)是否存在？ ]103進(jìn)行判斷，如果否，則進(jìn)入模型計(jì)算模塊的[建立 分析模型]104、[收注冊(cè)圖像及其屬性]105、[目標(biāo)檢測(cè)、定位以及歸一化預(yù) 處理]106、[目標(biāo)特征提取]107、[建立特征庫(kù)]108、[求解分析模型]109、〖保 存模型]UO;如果是，則進(jìn)入圖像識(shí)別模塊中的[載入分析模型]lll、[接收 待識(shí)別圖像]112、[目標(biāo)檢測(cè)，定位以及歸一化預(yù)處理]113、[目標(biāo)圖像特征 提取]1M、[識(shí)別目標(biāo)屬性]115，然后進(jìn)入[顯示，保存結(jié)果，控制圖像采集 設(shè)備]U6，分開兩路， 一路進(jìn)入[結(jié)束系統(tǒng)運(yùn)行？ ]117進(jìn)行判斷，如果是則 [結(jié)束]118;如果否，則返回[接收待識(shí)別圖像]112;[顯示，保存結(jié)果，控 制圖像采集設(shè)備]116的另一路，則返回[初始化并控制圖像采集、轉(zhuǎn)化設(shè) 備]102。
全文摘要
本發(fā)明涉及快速準(zhǔn)確的智能圖像處理系統(tǒng)，包括圖像采集、圖像轉(zhuǎn)化、數(shù)據(jù)傳輸、計(jì)算、存儲(chǔ)處理、數(shù)據(jù)傳輸、數(shù)據(jù)輸出多種模塊；其處理方法的步驟是第1步若分析模型已經(jīng)載入，則執(zhí)行第4步，否則執(zhí)行第2步；第2步獲得注冊(cè)圖像及其屬性，并進(jìn)行目標(biāo)檢測(cè)，定位，歸一化預(yù)處理得到一個(gè)樣本特征矩陣；第3步根據(jù)分析模型保存并載入系統(tǒng)；第4步接收待識(shí)別圖像，并目標(biāo)檢測(cè)，定位以及歸一化預(yù)處理和特征提取；第5步由模型計(jì)算判別向量；第6步將判別向量中最大元素對(duì)應(yīng)的索引號(hào)作為目標(biāo)圖像的屬性標(biāo)號(hào)；該系統(tǒng)、處理方法其特點(diǎn)是存儲(chǔ)需求小，識(shí)別速度快，識(shí)別精度高，用于工業(yè)應(yīng)用以及公用設(shè)施領(lǐng)域，經(jīng)濟(jì)效果顯著。
文檔編號(hào)G06K9/00GK101276404SQ20071003884
公開日2008年10月1日 申請(qǐng)日期2007年3月30日 優(yōu)先權(quán)日2007年3月30日
發(fā)明者李季檁 申請(qǐng)人:李季檁