多模態(tài)及異質(zhì)人臉識別問題研究.pdf

1、高效、精準(zhǔn)的自動人臉識別技術(shù)不僅有著廣泛的應(yīng)用前景，而且推動著人機交互和人工智能領(lǐng)域的發(fā)展。大數(shù)據(jù)時代的到來對于人臉識別領(lǐng)域既是挑戰(zhàn)又是機遇，如何有效利用豐富的多元多特征信息應(yīng)對人臉識別實際應(yīng)用中的各種難題是本文研究工作的出發(fā)點。
　　現(xiàn)有的基于特征點附近像素灰度值變化的紋理特征無法有效應(yīng)對光照、姿態(tài)變化等因素對于特征點定位的影響，需要挖掘紋理特征之外的有效特征提高面部特征點定位的精度。大數(shù)據(jù)時代可獲取的人臉圖像形式越來越豐富，可

2、以利用多源人臉圖像蘊含的信息互補提升人臉識別系統(tǒng)性能。當(dāng)面臨匹配過程中輸入圖像與圖像庫圖像屬于不同模態(tài)這一實際應(yīng)用問題時，可以通過異質(zhì)人臉轉(zhuǎn)換的方法將不同模態(tài)的人臉圖像轉(zhuǎn)換為同一模態(tài)，引入合成圖像進行后續(xù)異質(zhì)人臉識別。本文從實用性和理論角度出發(fā)，分別研究了人臉特征點定位算法，多模態(tài)人臉識別算法，異質(zhì)人臉轉(zhuǎn)換及識別算法。具體來說，本文的工作主要包括以下幾個方面：
　　1）提出灰度幾何特征提取方法并利用顯示回歸模型與紋理特征融合應(yīng)用于

3、人臉特征點定位任務(wù)
　　該特征點定位算法基于LTV模型提取人臉灰度幾何信息，利用非線性變化增強人臉圖像中面部關(guān)鍵器官特征。利用級聯(lián)回歸模型融合灰度幾何信息與原始紋理信息，使得模型具備更強的泛化能力，同時對于實際環(huán)境下光照、姿態(tài)變化等因素更為魯棒。實驗結(jié)果表明該算法具有更好的泛化能力和特征點定位精度。本文工作為如何利用信息融合提升人臉特征點定位精度提供了一種新的思路。
　　2）提出基于復(fù)數(shù)域人臉特征融合的多模態(tài)人臉識別

4、　　本文提出雙模態(tài)人臉圖像在復(fù)數(shù)域的特征表達形式，基于協(xié)同表達方法在特征層面融合可見光與近紅外人臉圖像的特征。進一步利用分塊Gabor特征結(jié)合協(xié)同表達分類提升雙模態(tài)人臉識別性能，并從幾何性誤差分析指出協(xié)同表達分類相對于稀疏表達分類的優(yōu)勢。大量實驗結(jié)果證明了本文方法的高效性，可應(yīng)用于實際人臉識別系統(tǒng)。
　　3）提出一種基于稀疏多元特征融合的異質(zhì)人臉轉(zhuǎn)換及識別方法
　　針對匹配過程中輸入圖像與圖像庫圖像屬于不同模態(tài)的情況，本文稱

5、為異質(zhì)人臉識別問題，提出一種基于稀疏多元特征融合的異質(zhì)人臉圖像轉(zhuǎn)換方法，在圖片塊層面基于稀疏表示模型融合多元特征，學(xué)習(xí)異質(zhì)人臉特征空間映射關(guān)系。首先，對圖像濾波處理后的人臉圖像提取局部結(jié)構(gòu)信息。然后，利用梯度信息和低頻信息補償合成照片的缺失信息。最后，利用引導(dǎo)濾波方法增強合成圖像的細節(jié)信息。圖像質(zhì)量評價實驗和人臉識別實驗表明，本文方法合成的圖像對于表情、姿勢以及光照的變化具有良好的適應(yīng)性。合成圖像的引入一定程度上解決了異質(zhì)人臉識別問題并