人臉認證特征提取及閾值平衡方法研究.pdf

1、在當今網絡信息化時代，隨著社會公共、信息安全等需求的不斷增長，人臉識別研究受到極大關注，并取得了很大進展。人臉識別一般包含人臉辨別和人臉認證兩類。目前人臉識別的研究主要集中在人臉辨別方面，而對人臉認證的研究相對要少。由于人臉認證是典型的兩分類問題，光照、表情等各種因素的影響會導致人臉類內和類間相似度分布存在較大差異，所以核心問題仍是特征提取。另外，人臉認證負樣本集較大，加大了閾值設定的難度，而認證的閾值與認證錯誤率直接相關，所以閾值平衡

2、問題也成為人臉認證中不可忽視的關鍵問題。本文主要針對人臉認證特征提取和閾值平衡處理這兩個核心問題展開研究，主要內容包括：
　　 ① 結合2D雙樹復小波變換和判別共同矢量方法，提出了融合2D雙樹復小波變換和判別共同矢量的特征提取算法（DC-DCV）。該算法先用2D 雙樹復小波變換來描述人臉，反映出人臉圖像在不同尺度上沿多個方向的情況，較好地提取到人臉圖像重要的局部特征，該特征克服了Gabor小波的諸多不足，但缺點是增加了樣本維數。

3、針對這一問題，再用判別共同矢量進行降維，該算法提取的特征更具判別能力，同時還可有效避免樣本數不足帶來的小樣本問題。本文在ORL人臉庫和FERET人臉子庫上的實驗結果體現了DC-DCV算法的有效性。
　　 ② 針對人臉認證的特殊性，本文將用戶特定子空間（CSS）方法引入到DC-DCV中，提出了一種DC-DCV-CSS算法。該算法在進行DC-DCV特征提取的基礎上，根據CSS的基本思想，為每類用戶建立相應的投影子空間。因為各類的用戶

4、和仿冒者樣本均不一樣，因而人臉辨別中對所有樣本共用一個子空間的方法在人臉認證中并不適用。本文在ORL人臉庫和FERET人臉子庫上的實驗結果表明DC-DCV-CSS算法可以取得更好的認證效果，是一種有效的人臉認證特征提取方法。
　　 ③ 人臉認證中閾值設定的好壞直接影響認證的性能。本文詳細介紹了文中所采用的“用戶相關閾值”的設定方法，通過對閾值平衡問題的分析，研究了兩種有效的解決方法：
　　 1）通過構建虛擬樣本來減小正負