人臉認(rèn)證特征提取及閾值平衡方法研究.pdf

1、在當(dāng)今網(wǎng)絡(luò)信息化時(shí)代，隨著社會(huì)公共、信息安全等需求的不斷增長(zhǎng)，人臉識(shí)別研究受到極大關(guān)注，并取得了很大進(jìn)展。人臉識(shí)別一般包含人臉辨別和人臉認(rèn)證兩類。目前人臉識(shí)別的研究主要集中在人臉辨別方面，而對(duì)人臉認(rèn)證的研究相對(duì)要少。由于人臉認(rèn)證是典型的兩分類問題，光照、表情等各種因素的影響會(huì)導(dǎo)致人臉類內(nèi)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(rèn)證負(fù)樣本集較大，加大了閾值設(shè)定的難度，而認(rèn)證的閾值與認(rèn)證錯(cuò)誤率直接相關(guān)，所以閾值平衡

2、問題也成為人臉認(rèn)證中不可忽視的關(guān)鍵問題。本文主要針對(duì)人臉認(rèn)證特征提取和閾值平衡處理這兩個(gè)核心問題展開研究，主要內(nèi)容包括：
　　 ① 結(jié)合2D雙樹復(fù)小波變換和判別共同矢量方法，提出了融合2D雙樹復(fù)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(fù)小波變換來(lái)描述人臉，反映出人臉圖像在不同尺度上沿多個(gè)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(diǎn)是增加了樣本維數(shù)。

3、針對(duì)這一問題，再用判別共同矢量進(jìn)行降維，該算法提取的特征更具判別能力，同時(shí)還可有效避免樣本數(shù)不足帶來(lái)的小樣本問題。本文在ORL人臉庫(kù)和FERET人臉子庫(kù)上的實(shí)驗(yàn)結(jié)果體現(xiàn)了DC-DCV算法的有效性。
　　 ② 針對(duì)人臉認(rèn)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(jìn)行DC-DCV特征提取的基礎(chǔ)上，根據(jù)CSS的基本思想，為每類用戶建立相應(yīng)的投影子空間。因?yàn)楦黝惖挠脩?/p>

4、和仿冒者樣本均不一樣，因而人臉辨別中對(duì)所有樣本共用一個(gè)子空間的方法在人臉認(rèn)證中并不適用。本文在ORL人臉庫(kù)和FERET人臉子庫(kù)上的實(shí)驗(yàn)結(jié)果表明DC-DCV-CSS算法可以取得更好的認(rèn)證效果，是一種有效的人臉認(rèn)證特征提取方法。
　　 ③ 人臉認(rèn)證中閾值設(shè)定的好壞直接影響認(rèn)證的性能。本文詳細(xì)介紹了文中所采用的“用戶相關(guān)閾值”的設(shè)定方法，通過對(duì)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(gòu)建虛擬樣本來(lái)減小正負(fù)