一种基于sift算法的人脸识别方法

《一种基于sift算法的人脸识别方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、一种基于sift算法的人脸识别方法摘　要：　高独特性特征的选择以及合适匹配策略的选用是人脸识别技术的关键。讨论了基于仿射不变的几何特　征ＳＩＦＴ算子进行人脸识别的方法。ＳＩＦＴ算子的计算复杂度较高，并且不同的人脸表情和图像模糊会加大特征匹　配的难度。为克服上述缺点，提出了一种新的算法，将选择６个人脸上感兴趣子区域进行描述，并根据各自的独特　性赋予不同的权值，最后在匹配过程中使用相似度的平方来减小偏差数据造成的影响。实验结果表明，该方法能　有效减轻表情变化对于身份识别率急剧下降的影响，并可显著减少计算复杂度和特征匹配时间。　关键词：　独特性人脸识别

2、　ＳＩＦＴ算子感兴趣子区域1引言人脸识别是当今模式识别和人工智能领域的一　个活跃的研究方向。而人脸识别技术也已经被运用　到犯罪识别、视频监控、档案管理、视频会议和照片　检索等各个领域，如图１所示。人脸识别的研究内容主要包括以下几个方面　：　（１）人脸检测：在输入的图像中寻找人脸区域。　（２）人脸的规范化：校正人脸在尺度、光照和旋　转等方面的变化。　（３）特征提取：从人脸图像中映射提取一组反　映人脸特征的数值表示样本。　（４）特征匹配：将待识别人脸与已知人脸比较得出相关信息。　当人脸的光照、表情发生比较大的变化，或者图　像存在部分模糊的情况时，其识

3、别准确率会明显降　低，这是人脸识别中需要克服的一大技术难。目前，一些研究者尝试将刚性物体识别领域中有着良好运用的几何特征不变量逐步引入人脸识别领　域，其中ＳＩＦＴ（ｓｃａｌｅ　ｉｎｖａｒｉａｎｔ　ｆｅａｔｕｒｅ　ｔｒａｎｓｆｏｒｍ）几何　特征不变量尤为广泛应用　。　本文提出了一种基于ＳＩＦＴ算子进行人脸识别　的方法。实验结果表明，该算法能有效减轻表情变　化对于身份识别率急剧下降的影响，并可显著减少　计算复杂度和特征匹配时问。２基于ＳＩＦＴ算子的人脸识别算法　本文先对目标图像进行人脸检测，再通过定位五　官选定感兴趣的子区域。在ＳＩＦＴ算子对相关区域

4、进　行特征提取及描述后，通过向量间的相似度测量，与　不同人脸所提取的特征向量进行比较，从而确定目标　图像的人脸身份。图２给出了算法步骤的示意图目前，人脸检测算法发展得比较成熟，可以使用　ＯｐｅｎＣＶ自带的Ａｄａｂｏｏｓｔ和Ｈａａｒ特征对图像中的　人脸区域进行提取　。在检测出人脸区域后，再进　行人脸的特征提取、子区域选择和匹配。２．１人脸特征提取　本文选择ＳＩＦＴ算子做人脸图像的特征提取。　ＳＩＦＴ算法在不同尺度空间上搜索稳定的特征点，然　后每一特征点的邻域由一个１２８维的矢量来描述，　其中每１维对应着一个特征方向统计量　，如图３　所示，图３（ａ）

5、为原始人脸图像，图３（ｂ）中的白色圆　圈表示了特征点的提取以及领域大小的选择。ＳＩＦＴ　算法检测出的特征点及其描述子能够在缩放和旋转　变换下保持不变，并对光照变化不敏感，适于解决人　脸图像中在尺寸角度光照情况有变化情况下的识别问题。幅人脸图像在经过提取特征点，对邻域进行描　述后，可以得到一个ｎ×１２８维的矩阵Ａ，其中n为总共提取描述的特征点数目。一幅２００　ｘ　２００左右大　小的人脸，通常可以从中提取３００个左右的特征点。２．２人脸子区域选择　ＳＩＦＴ算法在提取匹配基元时必须遍历尺度空　间中的所有像素点　，用高维（１２８维）向量进行描　述，并将生

6、成的每个匹配基元与已知向量集中的每　个基元做交叉比较，因此，具有较高的计算复杂度。　而这些高昂计算的代价却并不总是有价值的。一方　面，人脸的独特性主要体现在五官上，而额头、脸颊　等信息并不具有很好的区分度；另一方面，全脸部特　征向量间的交叉比较是没有意义的，例如衡量一个　人眼睛和另一个人鼻子的相似度。　为了降低计算复杂性，本文选择了人脸上６个感　兴趣的子区域，进行特征提取和向量的描述，这些区　域分别是左眼、右跟、鼻子、嘴巴、左耳和右耳，分别定　义为１—６号区域，如图４所示。然后，采用基于图的　混合高斯树方法来完成对于人脸器官的定位任务。　因此，在

7、特征描述后，用于比较的两张人脸图将　各自得到６个子矩阵Ａi（m*128　）和曰Bi（ｎ*128　），其中ｉ＝　１，２，…，６，ｍ　和ｎ　分别为两幅人脸图的第i　个子区域中提取描述的特征点数目。从图２中也可以看　出，进行子区域提取后，所需处理图像的“面积”显　著变小了。２．３匹配算法　本文选用两向量间的内积来衡量其相似度。　即，两向量　f1与，f２之间的相似度ｄ可由式（１）得到通过先将１２８维的向量进行归一化，再用表示向量集的矩阵Ａi（m*128　）和Bi（ｎ*128　）进行转置相乘，记作Ci(m*n)=Ai*BiT即可得到向量集之间交叉比较的相似

8、度。用ｓ　表示　两人脸关于第　个子区域的相似度。定义ｓ，为根据定义，ｓ　的取值范围在０到1之间，越接近１，表　明相似度越大，则两人脸为相