基于特征學(xué)習(xí)的跨年齡人臉驗證方法研究.pdf

1、在計算機(jī)視覺領(lǐng)域，人臉驗證是生物特征識別的一個重要方面，也是研究熱點之一，在檔案管理系統(tǒng)、安全驗證系統(tǒng)、信用卡驗證、公安系統(tǒng)的罪犯身份識別、銀行和海關(guān)的監(jiān)控、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景。本文針對目前人臉驗證存在的年齡變化以及特征表示問題，結(jié)合深度學(xué)習(xí)以及屬性預(yù)測方法進(jìn)行了幾種跨年齡人臉驗證方法的研究。
　　本研究主要內(nèi)容包括：⑴針對純傳統(tǒng)手工設(shè)計的特征不足以很好表征人臉的問題，提出自動特征學(xué)習(xí)與手工特征相結(jié)合的跨年齡人臉驗證

2、方法。該方法首先利用9層深度卷積神經(jīng)網(wǎng)絡(luò)自動地學(xué)習(xí)跨年齡人臉的抽象特征。然后為了充分利用深度神經(jīng)網(wǎng)絡(luò)抽象特征描述和手工特征所具有的強(qiáng)針對性表示對改善人臉驗證精度的互補(bǔ)性，融合深度網(wǎng)絡(luò)中全連接層抽象特征和手工設(shè)計的LBP特征，形成跨年齡人臉特征矢量，最后采用余弦相似度進(jìn)行人臉判別。在公開的跨年齡人臉數(shù)據(jù)集CACD和無約束條件下的人臉數(shù)據(jù)集LFW上的對比實驗表明，提出的方法在人臉驗證準(zhǔn)確率上有了一定程度的提升，同時在不同年齡區(qū)間的實驗表明，

3、年齡間隔越大人臉驗證準(zhǔn)確率越低。⑵針對視覺特征不具有語義表達(dá)能力，無法很好解決無約束環(huán)境下人臉存在光照變化以及姿態(tài)變化的問題，提出基于低層特征屬性預(yù)測的跨年齡人臉驗證方法。該方法在基于多種低層特征進(jìn)行特征選擇的基礎(chǔ)上，利用Adaboost進(jìn)行人臉屬性預(yù)測并依據(jù)預(yù)測的屬性利用SVM分類器進(jìn)行人臉驗證。LFWA數(shù)據(jù)集中的人臉圖像存在著明顯的年齡變化，在LFWA人臉屬性數(shù)據(jù)集上的實驗結(jié)果表明，提出的方法獲得了較高的人臉屬性預(yù)測準(zhǔn)確率，同時在測

4、試集上采用屬性特征進(jìn)行交叉驗證取得了91.26％的平均人臉驗證準(zhǔn)確率，相對于比較的4種方法有了5%的提升，在MORPH跨年齡人臉數(shù)據(jù)集上的對比實驗表明，本文提出的方法與其他方法相比具有較低的相等錯誤率。⑶針對低層特征屬性表達(dá)比較單一以及語義信息不豐富的問題，提出高層抽象特征和低層特征屬性相結(jié)合的人臉驗證方法。該方法首先利用深度網(wǎng)絡(luò)自學(xué)習(xí)的高層抽象特征進(jìn)行屬性預(yù)測，然后采用加權(quán)融合策略將高層抽象特征學(xué)習(xí)的屬性與前面第三章已研究的低層特征屬

5、性進(jìn)行融合形成一個新的屬性特征表達(dá)，最后利用SVM進(jìn)行不同年齡人臉驗證。CelebA數(shù)據(jù)集和LFWA數(shù)據(jù)集中的人臉圖像均存在明顯的年齡變化，在CelebA數(shù)據(jù)集上的對比實驗表明，提出的方法在屬性預(yù)測準(zhǔn)確率上有了進(jìn)一步的提升，在LFWA數(shù)據(jù)集上的實驗結(jié)果表明人臉驗證準(zhǔn)確率達(dá)到了94.30%，相比于基于純手工特征的屬性提取方法有了3%的準(zhǔn)確率提升，同時，在MORPH數(shù)據(jù)集上的跨年齡人臉驗證實驗相較于第三章的方法取得更低的相等錯誤率，最后，C