人脸识别中若干关键问题的研究

《人脸识别中若干关键问题的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要自动人脸识别(AFR)研究试图赋予计算机根据面孔辨别人物身份的能力。该研究具有重要的科学意义和巨大的应用价值。从学科建设与发展的角度看，AFR作为一个科学问题，是一个典型的图像模式分析、理解与分类计算问题，涉及模式识别，计算机视觉，智能人机交互，图形学，认知科学等多个学科。同时，作为生物特征识别关键技术之一的AFR技术则在公共安全、信息安全、金融等领域具有潜在的应用前景。经过三十多年的发展，AFR技术取得了长足的进步，目前最好的AFR系统在理想情况下已经能够取得可以接受的识别性能。但测试和实践经验表明：非理想条件下的人脸识别技术还远未成熟!

2、要开发出真正鲁棒、实用的AFR应用系统还需要解决大量的关键问题，尤其需要研究：(1)作为识别必要前提条件的面部关键特征精确定位问题；(2)高效的人脸描述特征及其相应的高精度核心识别算法；(3)如何提高AFR系统对不可避免的配准错误的鲁棒性问题。另外，对开发鲁棒实用的AFR系统而言，研究应用系统设计层面的诸多工程技术问题同样至关重要。以设计开发鲁棒、实用的AFR系统为目标，本文重点探讨了人脸识别中的上述关键问题。本论文的主要贡献总结如下：1．全面综述了人脸识别研究的历史和现状人脸识别研究国内外综述文章最晚也是2000年发表的，实际综述内容大多是1

3、999年前的文献情况。本文给出的AFR综述首先探讨了AFR的一般计算模型，并按照AFR发展特点，将AFR研究划分为三个历史阶段，对每个阶段研究的特点以及代表性方法进行了较为详尽的总结，并从面部特征自动定位、人脸表示模型、分类和识别算法三个角度对人脸识别领域的主要方法进行了分类整理。在此基础上，结合近年来主要的人脸识别评测，对人脸识别研究的现状进行了阐述。此外，还总结了现有的主要商业人脸识别系统以及主要的公共人脸图像库的情况。最后讨论了人脸识别领域目前仍然面临的主要开放问题并简单分析了AFR领域的主要技术趋势。2．研究了特征精确配准问题，提出了局

4、部纹理约束的主动表观模型LTC-AAM面部特征精确配准是鲁棒实用的人脸识别系统的基本前提。主动形状模型(ASM)和主动表观模型(AAM)是目前解决该问题的主流方法。在对它们的优缺点进行综合分析的基础上，本文对二者进行集成，提出了一种局部纹理约束的主动表观模型LTC．AAlVl。该模型的要点包括：(1)继承了ASM的局部纹理匹配模型，并针对面部轮廓点采用了边缘增强的局部纹理匹配模型；(2)在ASM形状调整时引入了AAM中度量当前纹理与模型纹理匹配度的目标函数，从而将ASM形状参数调整规范到了与AAM统一的参数优化框架中；(3)保留了AAM利用当前

5、纹理预测表观模型参数变化的启发式参数优化过程。这些特点使得LTC．AAM融合了ASM局部搜索模型、AAM纹理约束以及启发式的参数优化过程，从而在较大程度上继承了二者的优势。实验表明，LTC-AAM能够更精确的定位面部关键特征，为后续的入脸识别打下了良好的配准基础。3．研究了Gabor特征人脸描述方法，提出了一种AdaGaDA人脸识别新方法良好的人脸表示是鲁棒高效的人脸识别算法的关键因素。Gabor小波因具有优良的空间局部性和方向选择性，能够提取图像局部区域内多个方向的空间频率和局部结构特征，是一种良好的人脸描述方法。弹性图匹配方法(EGM)和G

6、abOr特征Fisher判别分人脸识别中若干关键问题的研究——摘要类方法(GFC)是应用Gabor特征的典型代表。实用系统中EGM需要解决关键特征点的定位问题，其速度和精度难以提高；而GFC对高维Gabor特征直接简单下采样的策略尽管避免了特征定位难题，但却遗漏了大量判别特征。针对这一问题，本文考虑了如何对Gabor特征进行有效降维的问题，将Boosting策略创新性的应用于Gabor特征的优化选择以产生维数较低的AdaGabor特征，并最终通过对AdaGabor特征的判别分析实现入脸识别——即所谓的AdaGaDA入脸识别新方法。在CAS．PE

7、AL和FERET两个大型人脸图像库上的对比实验表明：AdaGaDA方法不但可以有效降低Gabor特征维数，而且识别精度也比传统方法有了较大提高。4．首次提出并系统研究了AFR中的“误配准灾难”问题，给出了AFR算法误配准鲁棒性能的量化评价方法，提出了一种对误配准进行强化训练的E-Fisherface方法，同时还分析了AdaGaDA等基于Gabor特征的AFR方法的误配准鲁棒性本文首次系统研究了面部特征配准精度对人脸识别算法性能的影响问题，发现Fisherface的识别率会随着误配准的增大而急剧下降——本文称这一现象为“误配准灾难”(coMA)问

8、题。在分析产生原因的基础上，探讨了COMA问题的四类解决方案：精确再配准方法、不变特征方法、误配准学习方法和误配准不变距离度量方法。为了量化比较不同识