面向人臉識(shí)別的特征提取技術(shù)應(yīng)用研究.pdf

1、人臉識(shí)別技術(shù)是模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域的一個(gè)經(jīng)久不衰的研究方向，作為一種重要的生物特征識(shí)別技術(shù)，在社會(huì)公共安全、監(jiān)控、身份驗(yàn)證等日常生活中具有廣泛的應(yīng)用前景。人臉識(shí)別的直接目的在于利用人臉圖像識(shí)別和驗(yàn)證個(gè)體身份，而真實(shí)場景下的人臉識(shí)別由于外部環(huán)境的光照變化，物體遮擋，人臉姿態(tài)變化和面部表情變化等因素，具有極大的挑戰(zhàn)。典型人臉識(shí)別系統(tǒng)包括以下五個(gè)部分:人臉檢測，人臉預(yù)處理，特征生成，特征提取/特征選擇，匹配和識(shí)別。而人臉特征生成和特征提取

2、對人臉識(shí)別的精度具有最直接的影響，因此主要關(guān)注人臉識(shí)別系統(tǒng)中的特征生成和特征提取環(huán)節(jié)，研究如何從原始圖像中提取有效的面部特征及如何從高維面部特征中抽取具有鑒別能力的信息，從而提高人臉識(shí)別性能。本文分別研究了經(jīng)典的局部特征描述子，稀疏低秩表示理論和協(xié)同表示方法，并在公開人臉數(shù)據(jù)集上進(jìn)行了大量的實(shí)驗(yàn)進(jìn)行驗(yàn)證方法的有效性。本文研究的具體內(nèi)容包括:
　　(1)針對局部三值模式這類特征描述子方法在特征生成中需要選取合適的閾值來克服不同噪聲的

3、問題，本文給出了一種閾值自適應(yīng)的局部三值模式特征和中心對稱自適應(yīng)局部三值模式，該方法利用韋伯法則，自動(dòng)根據(jù)像素的灰度值選擇與之對應(yīng)的閾值，從而解決固定閾值不能適應(yīng)像素變化的缺陷，此外中心對稱自適應(yīng)局部三值模式比自適應(yīng)局部三值模式具有更低的特征維數(shù)。在ORL和FERET人臉數(shù)據(jù)庫實(shí)驗(yàn)表明，本文提出的兩種方法的識(shí)別率均優(yōu)于傳統(tǒng)的局部特征描述子方法。
　　(2)稀疏低秩表示要求字典是過完備的，故特征提?。ňS數(shù)約減）仍是重要的工作。本文首

4、先利用低秩表示理論構(gòu)建關(guān)聯(lián)圖，給出了一種基于低秩表示理論的特征提取方法，該方法利用低秩表示理論構(gòu)建核范數(shù)圖，并在此基礎(chǔ)上刻畫樣本局部緊密度和總體離散度;其次研究利用降維后子空間內(nèi)低秩表示關(guān)系設(shè)計(jì)原空間的關(guān)聯(lián)關(guān)系，給出了一種兩步迭代低秩表示投影的特征提取方法;最后，利用稀疏表示分類策略，給出一種低秩表示分析方法直接用于特征提取，避免構(gòu)造圖嵌入學(xué)習(xí)中的關(guān)聯(lián)圖。在FERET、AR、ORL人臉庫和PolyU KFP指關(guān)節(jié)庫上的實(shí)驗(yàn)表明了上述方法

5、的有效性。
　　(3)利用協(xié)同表示分類識(shí)別效果好，運(yùn)算速度快的優(yōu)點(diǎn)，本文給出了一種協(xié)同表示投影分析特征提取方法，有效豐富了圖嵌入學(xué)習(xí)框架。該方法基于L2范數(shù)圖構(gòu)建刻畫樣本局部精密度和總體離散度，根據(jù)Fisher鑒別分析思想建立目標(biāo)函數(shù)，利用廣義特征值分解計(jì)算投影矩陣。進(jìn)一步，本文給出一種非線性核協(xié)同表示分類方法，有效增強(qiáng)了協(xié)同表示分類方法的性能。該方法利用核技巧，將原始不可分的特征空間映射到高維可分的特征空間，進(jìn)行優(yōu)化求解。在多個(gè)

6、公開數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，本文提出的方法明顯優(yōu)于經(jīng)典的方法。
　　(4)為了識(shí)別遠(yuǎn)距離監(jiān)控系統(tǒng)低分辨率人臉圖像，將高分辨率圖片和低分辨率圖片分別看作兩組不同的變量，利用典型相關(guān)分析理論，將他們投影到同一個(gè)線性空間中，實(shí)現(xiàn)不同分辨率圖片的匹配。利用此方法，本文提出了一種基于典型相關(guān)分析的遠(yuǎn)距離低分辨率退化人臉識(shí)別方法，能有效克服分辨率不一致和分辨率低的問題。在ExtendedYale B、ORL和AR人臉庫上的實(shí)驗(yàn)結(jié)果表明本文方法