非可控條件下人臉識(shí)別中的若干問(wèn)題研究.pdf

1、人臉識(shí)別是圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)等領(lǐng)域的經(jīng)典問(wèn)題。盡管目前已取得豐碩的研究成果，但當(dāng)前的人臉識(shí)別技術(shù)都具有如下限定：（1）可控的圖像采樣環(huán)境；（2）被識(shí)別對(duì)象的主動(dòng)配合。這些限定成為人臉識(shí)別技術(shù)發(fā)展和推廣的最大障礙。然而，隨著智能視頻分析、人臉匹配、人臉圖像搜索等應(yīng)用需求的增長(zhǎng)，人們對(duì)非限定條件下的人臉識(shí)別技術(shù)的需求日益增長(zhǎng)。
　　但是，非可控條件下的姿態(tài)、光照、表情和遮擋等復(fù)雜干擾因素可能導(dǎo)致人臉圖像的類(lèi)內(nèi)變化遠(yuǎn)大于類(lèi)間變

2、化，這使人臉識(shí)別精度急劇下降而不能滿足實(shí)際應(yīng)用需求。本文以減少非可控條件下復(fù)雜干擾的影響為目標(biāo)，圍繞人臉識(shí)別系統(tǒng)中的人臉圖像預(yù)處理、特征提取、相似性度量和判別分類(lèi)等關(guān)鍵步驟展開(kāi)研究，根據(jù)人臉識(shí)別任務(wù)的特點(diǎn)，針對(duì)每個(gè)關(guān)鍵步驟，提出減少?gòu)?fù)雜干擾影響的解決方法。
　　本文的主要貢獻(xiàn)如下：
　?。?）提出了基于人臉圖像預(yù)評(píng)估的自適應(yīng)人臉驗(yàn)證方法。該方法首先按照預(yù)定義區(qū)域?qū)⑷四槍?duì)分割成多個(gè)圖像對(duì)。然后通過(guò)評(píng)估人臉對(duì)在關(guān)鍵點(diǎn)的圖像梯度差

3、異，自適應(yīng)地選擇人臉區(qū)域上的圖像對(duì)。最后聯(lián)合選出的圖像對(duì)驗(yàn)證人臉對(duì)是否匹配。為了選擇圖像對(duì)，提出了三種圖像對(duì)的可靠性評(píng)估方法：基于異常差異檢測(cè)的方法、基于支持向量回歸機(jī)的方法、基于堆棧自編碼深度網(wǎng)絡(luò)的方法。它們分別適用于對(duì)驗(yàn)證速度和驗(yàn)證精度要求不同的情形。實(shí)驗(yàn)表明，該人臉驗(yàn)證方法可以根據(jù)輸入人臉對(duì)的遮擋、表情等視覺(jué)干擾條件差異，自適應(yīng)地選擇受干擾影響較小的人臉區(qū)域驗(yàn)證該人臉對(duì)。與僅使用全臉的方法和直接聯(lián)合多人臉部件的方法相比，它可以有效

4、減少局部干擾的影響。
　　（2）提出了基于特征池化學(xué)習(xí)的高層人臉特征提取方法。首先提出一種新穎的特征池化學(xué)習(xí)算法。針對(duì)當(dāng)前特征池化方法無(wú)法描述人臉結(jié)構(gòu)信息且無(wú)法有效抑制局部噪音特征碼，引入池化權(quán)重向量和線性變換矩陣兩個(gè)模型參數(shù)，基于Sum-Pooling定義新穎的池化操作。并設(shè)計(jì)一個(gè)交替迭代優(yōu)化算法學(xué)習(xí)該池化操作的模型參數(shù)，通過(guò)學(xué)習(xí)池化操作實(shí)現(xiàn)學(xué)習(xí)人臉高層特征。然后，將提出的特征池化學(xué)習(xí)算法應(yīng)用于采用稀疏編碼方法提取的局部特征，在

5、不同大小的人臉圖像塊上學(xué)習(xí)人臉高層特征。最后聯(lián)合所有圖像塊的高層特征形成人臉高層特征表達(dá)。實(shí)驗(yàn)表明，該方法可以提取不同層次的人臉結(jié)構(gòu)高層特征，同時(shí)也可以有效地抑制局部噪音特征碼。而且，提取的特征向量是低維的。
　　（3）提出了基于視覺(jué)條件差異自適應(yīng)調(diào)整的距離度量學(xué)習(xí)算法。首先利用人臉對(duì)齊檢測(cè)的關(guān)鍵點(diǎn)位置關(guān)系和關(guān)鍵點(diǎn)上的局部特征，計(jì)算一對(duì)人臉關(guān)于姿態(tài)、表情、遮擋、光照的視覺(jué)條件差異。將這種與身份信息無(wú)關(guān)的視覺(jué)條件差異引入到特征空間的

6、距離度量中，聯(lián)合馬氏距離定義新穎的距離度量。然后設(shè)計(jì)度量學(xué)習(xí)算法學(xué)習(xí)定義的新距離，并采用增廣拉格朗日方法求解相應(yīng)優(yōu)化問(wèn)題。優(yōu)化過(guò)程同時(shí)學(xué)習(xí)特征空間中的馬氏距離、視覺(jué)差異條件對(duì)馬氏距離的影響及相應(yīng)的調(diào)整規(guī)則。實(shí)驗(yàn)表明，在測(cè)試階段，對(duì)于一對(duì)人臉圖像，學(xué)習(xí)的距離度量能夠根據(jù)它們的視覺(jué)條件差異，自適應(yīng)地調(diào)整它們的特征向量計(jì)算的距離，從而有效地減小復(fù)雜干擾導(dǎo)致的類(lèi)內(nèi)變化。
　?。?）提出了基于優(yōu)化訓(xùn)練和組織多分類(lèi)器的人臉驗(yàn)證方法。首先提出一

7、種視覺(jué)一致性度量方法。然后分割成對(duì)的訓(xùn)練人臉圖像，并利用視覺(jué)一致性度量方法優(yōu)化組織分割的子圖對(duì)，形成在不同人臉區(qū)域上、不同視覺(jué)一致性條件下的訓(xùn)練子集。接著融合多特征在每個(gè)子集上訓(xùn)練支持向量機(jī)分類(lèi)器。每個(gè)分類(lèi)器保存著特定人臉區(qū)域、特定視覺(jué)一致性條件下的分類(lèi)規(guī)則。在測(cè)試階段，根據(jù)一對(duì)人臉在全臉和人臉部件上的視覺(jué)一致性度量結(jié)果，自適應(yīng)地選擇分類(lèi)器并優(yōu)化組織它們執(zhí)行判別。實(shí)驗(yàn)表明，該方法能夠根據(jù)一對(duì)人臉在全臉和部件上的視覺(jué)干擾條件差異，自適應(yīng)地