復(fù)雜條件人臉識(shí)別中若干關(guān)鍵問題的研究.pdf

1、進(jìn)入二十一世紀(jì)，人臉識(shí)別迎來了一個(gè)至關(guān)重要的攻堅(jiān)階段。經(jīng)過二十世紀(jì)近40年的發(fā)展，人臉識(shí)別領(lǐng)域已經(jīng)積累了豐富的理論和大量成功算法，也已經(jīng)基本解決了可控條件下的人臉識(shí)別難題，但非理想條件下、用戶不配合、大規(guī)模人臉數(shù)據(jù)庫(kù)上的人臉識(shí)別則是當(dāng)前人臉識(shí)別攻堅(jiān)階段所要完成的任務(wù)。到目前為止雖然相繼有一些成果被公布，但應(yīng)當(dāng)說人臉識(shí)別所面臨的難題均未被解決，我們目前仍處在此次攻堅(jiān)階段的起步時(shí)期，仍處在對(duì)各難題的探索時(shí)期。 本文對(duì)復(fù)雜條件下的人臉

2、識(shí)別技術(shù)進(jìn)行了研究，重點(diǎn)對(duì)其中如何解決光照影響、如何消除人臉圖像中的遮擋以及如何提取強(qiáng)普適性的入臉特征三個(gè)關(guān)鍵問題進(jìn)行了全面的綜述和系統(tǒng)的研究，并提出了若干新模型和算法。主要貢獻(xiàn)如下： 1．提出光照不變面像合成模型。所提模型以偏微分方程中的全變分模型為基礎(chǔ)，通過兼顧大小尺度特征可以實(shí)現(xiàn)在對(duì)原始人臉圖像進(jìn)行光照預(yù)處理的同時(shí)盡量保證預(yù)處理后的圖像信息不受損失。實(shí)驗(yàn)部分對(duì)所提模型的預(yù)處理結(jié)果進(jìn)行了定性分析，同時(shí)采用圖像熵作為度量標(biāo)準(zhǔn)對(duì)

3、其進(jìn)行了定量分析。與常用的直方圖均衡化算法以及新近提出的商圖像算法相比，所提模型無論從視覺感官方面還是從圖像熵的保持方面均優(yōu)于現(xiàn)有算法。為進(jìn)一步驗(yàn)證所提模型的有效性，本文對(duì)其預(yù)處理后的結(jié)果采用目前已有的典型子空間分析算法進(jìn)行特征提取，實(shí)驗(yàn)結(jié)果表明：經(jīng)所提模型預(yù)處理后的人臉圖像可以提升整個(gè)人臉識(shí)別算法的識(shí)別率。 2．提出抗遮擋干擾的有監(jiān)督最佳表示而像合成模型。所提模型包含兩個(gè)重要模塊：最佳面像合成系數(shù)的獲取模塊和自學(xué)習(xí)有監(jiān)督遮擋掩

4、模的生成模塊。從處理效果看，所提面像合成模型可以有效去除樣本中所存在的遮擋，從而生成一個(gè)無遮擋人臉圖像。不過合成后的人臉圖像中存在較大的引入噪聲，為進(jìn)一步消除引入噪聲，本文進(jìn)而提出一種自適應(yīng)特征保持面像復(fù)原算法。從定性分析的結(jié)果看，最終復(fù)原出的人臉圖像在感官上非常自然；從定量分析的結(jié)果看，最終復(fù)原出的同一人的樣本間以歐氏距離為標(biāo)準(zhǔn)的相似性度量明顯縮小，即達(dá)到歸一化的目的，可為后續(xù)算法提供無遮擋干擾的樣本輸入。 3．對(duì)典型子空間分

5、析系列算法進(jìn)行系統(tǒng)的普適性評(píng)測(cè)。在這一部分，本文首次提出普適子空間分析算法這一概念，并對(duì)目前的子空間分析系列算法的普適性（相關(guān)概念參看本文第四章第3節(jié)）進(jìn)行了系統(tǒng)研究。實(shí)驗(yàn)部分設(shè)計(jì)了狹義開集測(cè)試和狹義閉集測(cè)試（相關(guān)概念參看第四章第3節(jié)）兩種測(cè)試方法，選用目前常用的四個(gè)評(píng)測(cè)人臉庫(kù)對(duì)代表性算法進(jìn)行綜合評(píng)測(cè)。經(jīng)過大量的綜述、分析及實(shí)驗(yàn)驗(yàn)證，得出如下幾點(diǎn)對(duì)今后子空間分析算法的研究具有參考意義的結(jié)論： 1）．有監(jiān)督算法的泛化能力弱于無監(jiān)督

6、算法的，主要表現(xiàn)在只有當(dāng)不出現(xiàn)訓(xùn)練集之外個(gè)體需要識(shí)別且訓(xùn)練樣本具有代表性時(shí)，有監(jiān)督算法才能取得較好的識(shí)別性能。 2）．在所有無監(jiān)督算法中，獨(dú)立分量分析相關(guān)算法的普適性最優(yōu)，表現(xiàn)在其整體識(shí)別性能無論在狹義閉集測(cè)試還是狹義開集測(cè)試中均最優(yōu)。 3）．獨(dú)立分量分析相關(guān)算法為典型的普適子空間分析算法，其中的ICA算法可作為普適子空間分析算法的基準(zhǔn)算法。 4．提出非線性固有碼提取模型與普適人臉識(shí)別算法。為解決現(xiàn)有算法未能同時(shí)

7、克服光照、表情以及遮擋等外部干擾對(duì)算法性能的影響以及識(shí)別率偏低的問題，這一部分的主要工作將在前三章工作的基礎(chǔ)上，提出一種系統(tǒng)的普適人臉識(shí)別算法。在新提出的普適人臉識(shí)別算法中，除了借鑒前三章的工作之外，還提出了一種最佳表示特征分析（Expressive Feature Analysis，EFA）模型和非線性固有碼提?。∟on-linear Intrinsic Codes Extraction，NICE）模型。EFA模型主要是用來替代傳統(tǒng)的

8、PCA模型并實(shí)現(xiàn)對(duì)高維原始人臉圖像進(jìn)行降維，EFA模型可以保證整個(gè)算法在對(duì)高維面像樣本進(jìn)行降維的同時(shí)突出由變量的幅度值所體現(xiàn)出來的有效信息，保證后續(xù)操作能夠提取到可分性特征；而NICE模型則用來對(duì)輸入樣本進(jìn)行編碼，NICE模型最終生成的人臉圖像的固有碼既有較好的普適性又有較好的可分性，可以作為人臉圖像的固有碼而應(yīng)用于識(shí)別任務(wù)。在目前常用的CAS-PEAL、FERET、Yale B以及CMU PIE人臉庫(kù)上的狹義開集測(cè)試和狹義閉集測(cè)試的實(shí)