基于自編碼網(wǎng)絡(luò)的多姿態(tài)人臉重建研究及其在識(shí)別中的應(yīng)用.pdf

1、在現(xiàn)實(shí)應(yīng)用場(chǎng)景中，多姿態(tài)人臉重建與識(shí)別是機(jī)器視覺領(lǐng)域的一個(gè)重要研究課題。由于在人臉圖像采集過(guò)程中，用戶有可能處于非配合狀態(tài)，使得采集到的圖片存在不同姿態(tài)角度的偏轉(zhuǎn)，從而臉部的紋理信息被部分遮擋導(dǎo)致正臉重建難度增大，繼而影響后續(xù)的識(shí)別性能。因此姿態(tài)變化成為了人臉重建和識(shí)別領(lǐng)域中的難點(diǎn)之一。針對(duì)可控條件下的人臉姿態(tài)變化問(wèn)題，本文進(jìn)行了深入的分析與研究，設(shè)計(jì)和實(shí)現(xiàn)了兩種自編碼網(wǎng)絡(luò)用于多姿態(tài)人臉重建。為了驗(yàn)證所提出的方法，還進(jìn)行了基于姿態(tài)重建的

2、人臉識(shí)別研究。本文的主要研究工作如下：
　　1.針對(duì)姿態(tài)變化對(duì)人臉識(shí)別性能的影響，以及在姿態(tài)恢復(fù)過(guò)程中個(gè)體細(xì)節(jié)差異容易丟失的問(wèn)題，提出一種基于多任務(wù)學(xué)習(xí)堆疊自編碼器(MtLSAE)的多姿態(tài)人臉重建方法。該方法首先通過(guò)步進(jìn)的方式，將較大姿態(tài)的人臉圖像在解碼時(shí)映射為較小姿態(tài)的圖像以此來(lái)完成姿態(tài)的步進(jìn)恢復(fù)；接著又通過(guò)引入非負(fù)約束稀疏自編碼器來(lái)學(xué)習(xí)人臉的局部紋理特征；然后采用多任務(wù)學(xué)習(xí)機(jī)制來(lái)同時(shí)學(xué)習(xí)姿態(tài)恢復(fù)和臉部細(xì)節(jié)信息保留這兩個(gè)既相關(guān)又

3、相互制約的任務(wù)，在編碼過(guò)程中共享這兩個(gè)任務(wù)之間的參數(shù)來(lái)學(xué)習(xí)網(wǎng)絡(luò)從而重建正臉圖片。實(shí)驗(yàn)表明，使用MtLSAE算法重建出的人臉圖片保留的局部紋理信息清晰，重建質(zhì)量較好且性能相較于堆疊步進(jìn)自編碼器算法有了提升。
　　2.為了能夠?qū)W習(xí)到對(duì)姿態(tài)變化更具魯棒性的特征以此很好地重建正臉圖片，提出一種基于相似度保留堆疊自編碼器(SP-SAE)的人臉姿態(tài)重建方法。該方法通過(guò)在每個(gè)步進(jìn)自編碼器的隱含層中引入相似度保留約束項(xiàng)，使得隱含層中同一個(gè)人對(duì)應(yīng)的

4、姿態(tài)特征相似，從而提取到有利于重建且對(duì)姿態(tài)變化更具魯棒性的特征；接著訓(xùn)練完一個(gè)網(wǎng)絡(luò)后，將其隱含層特征作為下一個(gè)網(wǎng)絡(luò)的輸入，通過(guò)堆疊多個(gè)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)正臉姿態(tài)的重建。實(shí)驗(yàn)表明，使用SP-SAE網(wǎng)絡(luò)能夠很好重建人臉圖片的細(xì)節(jié)信息，重建后的正臉圖片整體光滑，噪點(diǎn)少，且主觀視覺和客觀結(jié)構(gòu)相似度表現(xiàn)都很好。
　　3.為了驗(yàn)證基于MtLSAE和SP-SAE網(wǎng)絡(luò)的多姿態(tài)人臉重建算法的識(shí)別性能，本文將兩個(gè)算法重建后的正臉圖片分別通過(guò)Fisherfac

5、e進(jìn)行降維并用最近鄰分類器做識(shí)別研究，以說(shuō)明二者方法在識(shí)別方面相較于其他方法的優(yōu)越性；然后為了彰顯本文的SP-SAE算法提取到的隱含層特征冗余信息少，且對(duì)姿態(tài)變化具有較強(qiáng)魯棒性，又將兩個(gè)算法網(wǎng)絡(luò)結(jié)構(gòu)中的最高隱含層特征通過(guò)降維識(shí)別來(lái)做對(duì)比分析。實(shí)驗(yàn)表明，本文提出的兩種多姿態(tài)人臉重建算法在識(shí)別方面性能優(yōu)越，且SP-SAE重建算法提取到的姿態(tài)不變特征魯棒性更強(qiáng)，極大提升了多姿態(tài)人臉的識(shí)別性能。
　　本文研究的多姿態(tài)人臉重建算法取得了較好