基于特征描述的人臉流形識(shí)別技術(shù)研究.pdf

1、人臉識(shí)別因其直觀、非接觸等特點(diǎn)成為生物特征識(shí)別技術(shù)中熱門的研究對(duì)象之一。但是，由于人臉圖片成像的復(fù)雜性和表情的多樣性，如何提取有效的鑒別特征是實(shí)現(xiàn)人臉準(zhǔn)確識(shí)別的重點(diǎn)和難點(diǎn)。流形學(xué)習(xí)算法被證實(shí)可以有效地挖掘隱藏在高維人臉數(shù)據(jù)中的本征信息與內(nèi)在規(guī)律，隨著變量（光照、姿態(tài)等）的連續(xù)變化，可以假設(shè)人臉樣本數(shù)據(jù)分布在高維空間中的一個(gè)光滑的曲面上，人臉圖片可以看作是嵌入在高維空間中的低維流形。然而基于全圖矢量描述的人臉流形模型對(duì)噪聲敏感，而大量的研

2、究表明局部特征可以獲得對(duì)象更加穩(wěn)定的描述，能夠優(yōu)化識(shí)別效果，因此本文通過引入特征描述改進(jìn)現(xiàn)有的人臉流形算法以提高系統(tǒng)的魯棒性。
　　本文分析了基于流形學(xué)習(xí)的人臉識(shí)別算法，引入局部特征對(duì)該算法進(jìn)行改進(jìn)，并實(shí)現(xiàn)了兩種方案。第一種方案首先采用LBP(Local Binary Pattern)特征對(duì)全圖進(jìn)行處理，然后進(jìn)行離散余弦變換，得到基于變換域特征的人臉流形描述。實(shí)驗(yàn)表明，該方法在標(biāo)準(zhǔn)庫(kù)中可以獲得較高的識(shí)別率，對(duì)光照具有較強(qiáng)的魯棒性，

3、但對(duì)于包含噪聲的自然人臉數(shù)據(jù)還不夠穩(wěn)定。第二種方案首先通過面部基準(zhǔn)點(diǎn)定位的手段獲取人臉待描述點(diǎn)的坐標(biāo)，并將這些點(diǎn)進(jìn)行排序，然后對(duì)上述點(diǎn)進(jìn)行SIFT特征描述，將其特征向量按照基準(zhǔn)點(diǎn)的編號(hào)排列成一個(gè)矢量，將該矢量作為人臉流形的描述。選擇面部基準(zhǔn)點(diǎn)進(jìn)行描述的方式保證了特征采樣的稀疏性和穩(wěn)定性。本文通過實(shí)驗(yàn)對(duì)比主動(dòng)形狀模型和顯式回歸器模型，選擇了后者作為面部基準(zhǔn)點(diǎn)定位手段。實(shí)驗(yàn)表明，該方案在自然人臉庫(kù)中也能獲得較高的識(shí)別率，其難點(diǎn)在于確定特征描