人臉特征演化模型及其應(yīng)用研究.pdf

1、人臉識別技術(shù)已經(jīng)成為一項越來越熱門的身份鑒定和身份識別技術(shù)，它包括了計算機視覺，圖像處理，模式識別，生物學(xué)技術(shù)等技術(shù)領(lǐng)域。與其他生物識別技術(shù)，例如瞳孔識別，指紋識別，聲紋識別等相比，人臉識別的優(yōu)勢在于它的被動性，在日常場景中無需用戶做出額外的動作即可完成識別。此外，人臉圖像還可以反映性別、年齡、種族等重要信息，大大豐富了人臉識別的應(yīng)用場景。因而，人臉識別已經(jīng)成為最具潛力的生物特征識別技術(shù)之一，被廣泛應(yīng)用在安防，尋人，身份鑒定等領(lǐng)域。然而

2、利用計算機的人臉識別技術(shù)仍然有著許多困難，有許多因素會影響人臉識別的準確率，比如人臉的表情變化，隨年齡而發(fā)生的改變，眼鏡、發(fā)型等造成的部分遮擋，以及光照視角造成的特征掩蓋或變形等。這其中，針對不同角度下的人臉識別是自然場景中的一個重要需求。在對這一問題研究的突破性進展之前，高準確度的人臉識別被限定在正面人臉場景下，比如海關(guān)，門禁，數(shù)據(jù)庫身份搜索等。而還有更多的自然場景，例如監(jiān)控和安防中的目標識別與跟蹤，影視資料和互聯(lián)網(wǎng)多媒體信息中的目標

3、搜索等，無法限制目標人臉為正面。此外，更多身份驗證的場景也有著人臉角度魯棒性的需求。此前的人臉識別技術(shù)，大多需要輸入人臉的歸一化和特征點對齊，才能有效進行目標的特征匹配，特征點偏差越大，算法性能受影響越嚴重，這正是多角度人臉識別所要解決的問題。
　　本文針對當(dāng)前的關(guān)于角度無關(guān)的人臉識別的方法中所存在的依賴角度估計精確度的弱點，提出了一種描述人臉特征隨偏轉(zhuǎn)角度變化的連續(xù)性模型用以處理多角度下的人臉識別問題，此外在模型推廣至具有相似連

4、續(xù)性的其它因素影響下的人臉識別問題中，發(fā)現(xiàn)了小樣本數(shù)據(jù)集下人臉識別實驗采用交叉驗證可能引入的實驗偏差現(xiàn)象，并對之進行了分析與討論。
　　本論文的創(chuàng)新之處和主要工作包括以下幾點:
　　(1)本文提出了一種描述人臉特征隨特定因素連續(xù)變化的離散特征演化模型，并將其應(yīng)用于角度無關(guān)的人臉識別，即將人臉角度作為影響特征連續(xù)變化的X因子。首先，根據(jù)數(shù)據(jù)庫中人臉的角度標簽將人臉數(shù)據(jù)分組，間隔角度相等。其次，考慮到多角度下的人臉特征點位置無法

5、統(tǒng)一配準，采用多角度的主動外觀模型將同一角度下的特征點進行配準。再次，考慮到多角度下人臉各區(qū)域光照影響的變化，采用去光照的技術(shù)獲取歸一化后的人臉。最后，將帶有身份標簽和角度標簽的數(shù)據(jù)輸入特征連續(xù)模型以訓(xùn)練模型參數(shù)，并利用上面的識別方法獲取最優(yōu)匹配。針對實際應(yīng)用中可能出現(xiàn)的場景，我們比較了本方法與現(xiàn)有方法之間的優(yōu)劣，證明本方法在人臉角度已知的情況下性能接近現(xiàn)有最好方法的性能，而在人臉角度未知的情況下優(yōu)于現(xiàn)有方法。。
　　(2)本文還

6、試圖將離散特征演化模型推廣到年齡無關(guān)的人臉識別。與角度無關(guān)的人臉識別相似，將數(shù)據(jù)集中的人臉圖片按年齡段分組，加上年齡標簽。在檢測出人臉區(qū)域后，按照人臉的關(guān)鍵特征點位置（雙眼，鼻尖）對人臉進行裁剪和配準。隨后同樣采用光照歸一化算法去除光照影響，利用局部特征描述子進行特征提取。在實驗過程中，我們發(fā)現(xiàn)在小樣本的數(shù)據(jù)集FG-NET上進行人臉識別實驗時，采用留一交叉檢驗法以提升實驗結(jié)果的精確度，卻產(chǎn)生了極高的假性識別率。而在MORPH Album

7、2上的實驗結(jié)果表明偏最小二乘分析(PLS)并不適用于跨年齡的離散特征演化模型的人臉特征子空間構(gòu)建。
　　(3)針對留一法交叉檢驗在人臉識別實驗中的效果，我們進行了充分的對比實驗，并進行了數(shù)學(xué)分析，結(jié)果證實在常規(guī)的人臉識別方案中，若引入了以主成分分析為基礎(chǔ)的降維處理，留一法交叉檢驗和K值較大的K-fold交叉檢驗都可能帶來較高的假性識別率。最后我們給出了盡量避免這一情況的可用策略。
　　總而言之，本文針對角度無關(guān)的人臉識別問題