單樣本下可變姿態(tài)與光照人臉識別研究.pdf

1、人臉識別發(fā)展至今,姿態(tài)變化和光照變化成為非確定環(huán)境、無需用戶配合條件下自動人臉識別的主要瓶頸所在,這也是限制自動人臉識別得到進(jìn)一步廣泛應(yīng)用的主要原因。此外,單樣本在許多實際的應(yīng)用中是一個基本條件。因此單樣本條件下可變姿態(tài)、可變光照的人臉識別技術(shù)研究,受到研究者們的廣泛關(guān)注,具有十分重要意義。
　　 本文首先闡述了人臉自動識別的研究背景,然后圍繞可變姿態(tài)、光照人臉識別中兩個關(guān)鍵問題:姿態(tài)校正與光照校正,詳細(xì)分析了特征點檢測與定位、

2、三維建模技術(shù),并對三維數(shù)據(jù)獲取、特定人臉建模、各種姿態(tài)及光照校正方法進(jìn)行了介紹和分析,指出了各自算法的適用范圍及優(yōu)缺點。
　　 本文通過Candide-3建模研究,結(jié)合主動形狀模型和主動表觀模型的優(yōu)點,提出了一種基于Candide-3模型的特定人臉三維重建方法。該方法能較好地提高特定人臉三維重建的時間效率,同時還保證人臉三維重建的準(zhǔn)確程度。
　　 在單樣本條件下,給出了一種新的基于多姿態(tài)樣本生成和圖像信息增強(qiáng)的人臉識別算

3、法。應(yīng)用Candide-3模型進(jìn)行特定人臉建模,將正面的人臉通過姿態(tài)調(diào)整產(chǎn)生多個不同姿態(tài)下的人臉圖像,同時采用基于訓(xùn)練樣本增強(qiáng)的統(tǒng)一基空間奇異值分解方法進(jìn)行特征表示與增強(qiáng),結(jié)合最近鄰法進(jìn)行分類,較好地提高了在單樣本條件下的人臉識別率。
　　 在分析現(xiàn)有人臉驗證算法基礎(chǔ)上,提出了一種基于Candide-3和支持向量機(jī)(SVM)的單訓(xùn)練樣本人臉驗證方法。該方法通過對Candide-3重建模型的旋轉(zhuǎn)產(chǎn)生姿態(tài)不同的多張數(shù)字人臉,將它們和

4、原始樣本一起作為訓(xùn)練數(shù)據(jù),應(yīng)用SVM進(jìn)行分類匹配,進(jìn)行人臉驗證。通過實驗,表明采用該方法進(jìn)行人臉驗證有了接近多樣本人臉識別算法的識別率。
　　 基于球面諧波理論,首先將真實光照條件的不同人臉圖像的光照系數(shù)矢量(即光照環(huán)境的9個低維球面諧波系數(shù))估計作為光照系數(shù)生成算法的訓(xùn)練集,然后通過改進(jìn)的等誤差競爭學(xué)習(xí)算法計算各類光照環(huán)境的光照系數(shù)中心矢量,之后對中心矢量加入隨機(jī)擾動生成光照系數(shù)矢量。實驗表明,這種方法能夠生成對真實光照條件較

5、好模擬的光照系數(shù)矢量,為生成光照效果不同的數(shù)字人臉提供了基礎(chǔ)。
　　 為了更好的容忍光照、姿態(tài)調(diào)整過程引入的新的不利因素,給出了一種利用單樣本重建的姿態(tài)、光照不同的數(shù)字人臉作為訓(xùn)練集,建立其人臉HMM的方法。所提出的方法在單樣本的限制下,利用特定人臉的3D模型,得到光照和姿態(tài)不同的新的人臉圖像。再構(gòu)建用戶的獨特人臉HMM,將不同光照與姿態(tài)的人臉圖像作為模型的訓(xùn)練數(shù)據(jù),模型中包含有不同光照、姿態(tài)下的觀測值分布與狀態(tài)轉(zhuǎn)移的信息,從而

6、有效的識別各種不同姿態(tài)與光照條件下的人臉圖像。HMM是一種雙重隨機(jī)過程,能較好的容忍觀測值的偏移,從而可以減小對光照、姿態(tài)調(diào)整的依賴程度。模型構(gòu)建完成后,識別時無需對待識別圖像進(jìn)行姿態(tài)校正和光照補(bǔ)償。實驗顯示該方法在提高識別率的同時,顯著降低了識別處理時間,更能適應(yīng)于大規(guī)模、實時人臉識別應(yīng)用。
　　 本文最后,完成了一個實驗平臺的設(shè)計、開發(fā)。描述了實驗平臺的軟件實現(xiàn),給出了部分操作界面。該實驗平臺基本實現(xiàn)了前述各章的主要算法,在