多模態(tài)及異質(zhì)人臉識(shí)別問(wèn)題研究.pdf

1、高效、精準(zhǔn)的自動(dòng)人臉識(shí)別技術(shù)不僅有著廣泛的應(yīng)用前景，而且推動(dòng)著人機(jī)交互和人工智能領(lǐng)域的發(fā)展。大數(shù)據(jù)時(shí)代的到來(lái)對(duì)于人臉識(shí)別領(lǐng)域既是挑戰(zhàn)又是機(jī)遇，如何有效利用豐富的多元多特征信息應(yīng)對(duì)人臉識(shí)別實(shí)際應(yīng)用中的各種難題是本文研究工作的出發(fā)點(diǎn)。
　　現(xiàn)有的基于特征點(diǎn)附近像素灰度值變化的紋理特征無(wú)法有效應(yīng)對(duì)光照、姿態(tài)變化等因素對(duì)于特征點(diǎn)定位的影響，需要挖掘紋理特征之外的有效特征提高面部特征點(diǎn)定位的精度。大數(shù)據(jù)時(shí)代可獲取的人臉圖像形式越來(lái)越豐富，可

2、以利用多源人臉圖像蘊(yùn)含的信息互補(bǔ)提升人臉識(shí)別系統(tǒng)性能。當(dāng)面臨匹配過(guò)程中輸入圖像與圖像庫(kù)圖像屬于不同模態(tài)這一實(shí)際應(yīng)用問(wèn)題時(shí)，可以通過(guò)異質(zhì)人臉轉(zhuǎn)換的方法將不同模態(tài)的人臉圖像轉(zhuǎn)換為同一模態(tài)，引入合成圖像進(jìn)行后續(xù)異質(zhì)人臉識(shí)別。本文從實(shí)用性和理論角度出發(fā)，分別研究了人臉特征點(diǎn)定位算法，多模態(tài)人臉識(shí)別算法，異質(zhì)人臉轉(zhuǎn)換及識(shí)別算法。具體來(lái)說(shuō)，本文的工作主要包括以下幾個(gè)方面：
　　1）提出灰度幾何特征提取方法并利用顯示回歸模型與紋理特征融合應(yīng)用于

3、人臉特征點(diǎn)定位任務(wù)
　　該特征點(diǎn)定位算法基于LTV模型提取人臉灰度幾何信息，利用非線性變化增強(qiáng)人臉圖像中面部關(guān)鍵器官特征。利用級(jí)聯(lián)回歸模型融合灰度幾何信息與原始紋理信息，使得模型具備更強(qiáng)的泛化能力，同時(shí)對(duì)于實(shí)際環(huán)境下光照、姿態(tài)變化等因素更為魯棒。實(shí)驗(yàn)結(jié)果表明該算法具有更好的泛化能力和特征點(diǎn)定位精度。本文工作為如何利用信息融合提升人臉特征點(diǎn)定位精度提供了一種新的思路。
　　2）提出基于復(fù)數(shù)域人臉特征融合的多模態(tài)人臉識(shí)別

4、　　本文提出雙模態(tài)人臉圖像在復(fù)數(shù)域的特征表達(dá)形式，基于協(xié)同表達(dá)方法在特征層面融合可見(jiàn)光與近紅外人臉圖像的特征。進(jìn)一步利用分塊Gabor特征結(jié)合協(xié)同表達(dá)分類提升雙模態(tài)人臉識(shí)別性能，并從幾何性誤差分析指出協(xié)同表達(dá)分類相對(duì)于稀疏表達(dá)分類的優(yōu)勢(shì)。大量實(shí)驗(yàn)結(jié)果證明了本文方法的高效性，可應(yīng)用于實(shí)際人臉識(shí)別系統(tǒng)。
　　3）提出一種基于稀疏多元特征融合的異質(zhì)人臉轉(zhuǎn)換及識(shí)別方法
　　針對(duì)匹配過(guò)程中輸入圖像與圖像庫(kù)圖像屬于不同模態(tài)的情況，本文稱

5、為異質(zhì)人臉識(shí)別問(wèn)題，提出一種基于稀疏多元特征融合的異質(zhì)人臉圖像轉(zhuǎn)換方法，在圖片塊層面基于稀疏表示模型融合多元特征，學(xué)習(xí)異質(zhì)人臉特征空間映射關(guān)系。首先，對(duì)圖像濾波處理后的人臉圖像提取局部結(jié)構(gòu)信息。然后，利用梯度信息和低頻信息補(bǔ)償合成照片的缺失信息。最后，利用引導(dǎo)濾波方法增強(qiáng)合成圖像的細(xì)節(jié)信息。圖像質(zhì)量評(píng)價(jià)實(shí)驗(yàn)和人臉識(shí)別實(shí)驗(yàn)表明，本文方法合成的圖像對(duì)于表情、姿勢(shì)以及光照的變化具有良好的適應(yīng)性。合成圖像的引入一定程度上解決了異質(zhì)人臉識(shí)別問(wèn)題并