基于面部組件的人臉合成畫像匹配研究.pdf

1、人臉合成畫像是執(zhí)法機(jī)關(guān)確定犯罪嫌疑人的有效工具。執(zhí)法機(jī)關(guān)通常會(huì)將人臉合成畫像公示在電視和網(wǎng)絡(luò)上，等待知情者提供有關(guān)嫌疑人的信息。然而，這種方法實(shí)施過程較長(zhǎng)、效果不好，而且沒有合理利用公安局中現(xiàn)有的人臉數(shù)據(jù)庫(kù)資源。人臉合成畫像匹配研究可以較好的利用現(xiàn)有的人臉數(shù)據(jù)庫(kù)資源，幫助執(zhí)法機(jī)關(guān)快速鎖定犯罪嫌疑人。
　　在人臉合成畫像匹配中，關(guān)鍵問題是準(zhǔn)確描述人臉合成畫像不變特征和實(shí)現(xiàn)人臉合成畫像的快速匹配。由于成像模式不同，同一個(gè)體的人臉合成畫

2、像與照片在外觀上存在較大的差異，現(xiàn)有方法不能準(zhǔn)確地描述人臉合成畫像的不變特征。而且，現(xiàn)有的人臉合成畫像匹配方法處理過程復(fù)雜，在大型照片庫(kù)中匹配人臉合成畫像時(shí)效率較低。為了使人臉合成畫像匹配能盡快應(yīng)用于實(shí)際，本文對(duì)影響人臉合成畫像匹配問題展開研究。本文主要研究?jī)?nèi)容如下：
　?、偈紫汝U述本課題的研究意義與實(shí)用價(jià)值，分析了人臉合成畫像匹配的國(guó)內(nèi)外研究現(xiàn)狀，以及本課題的研究難點(diǎn)。
　?、卺槍?duì)人臉合成畫像不變特征的問題，本文從理論上分

3、析了四種典型的不變特征描述子的特點(diǎn)：多尺度局部二值模式（Multiscal Local Binary Pattern，MLBP）描述子，尺度不變特征（Scale Invariant Feature Transform，SIFT）描述子，方向梯度直方圖（Histogram of Oriented and Gratitude，HOG）描述子，梯度位置方向直方圖（Gradient Location and Orientaion Histogr

4、am，GLOH）描述子。并對(duì)四種特征描述子應(yīng)用于人臉合成畫像匹配時(shí)的性能進(jìn)行了實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果顯示，GLOH能夠較好的描述人臉合成畫像的不變特征，而且用時(shí)較少。
　?、坩槍?duì)在大型人臉照片庫(kù)中匹配人臉合成畫像效率較低的問題，本文提出一種基于面部組件碼表的人臉照片庫(kù)縮減方法。該方法分為兩個(gè)階段：構(gòu)建面部組件碼表庫(kù)和得到縮小后的照片庫(kù)。在第一階段，建立一個(gè)面部組件碼（Facial Component Code，F(xiàn)CC）表庫(kù)。其中，使用

5、梯度位置方向直方圖（GLOH）描述人臉合成畫像的不變特征。在第二階段，在面部組件碼表庫(kù)中檢索待匹配的人臉合成畫像的六個(gè)面部組件碼（頭發(fā)、眉毛、眼睛、鼻子、嘴巴和下巴的組件碼），得到一個(gè)縮小后的照片庫(kù)。通過設(shè)計(jì)實(shí)驗(yàn)證明了該方法能在較高概率保留住目標(biāo)照片的情況下，有效的縮減照片庫(kù)。
　?、鼙疚膶LOH引入基于面部組件的人臉合成畫像匹配框架，研究一種基于面部組件梯度位置方向特征的人臉合成畫像匹配方法。實(shí)驗(yàn)結(jié)果顯示，該方法可以實(shí)現(xiàn)人臉合