基于三維人臉建模的多視角人臉識(shí)別方法研究.pdf

1、作為典型的模式識(shí)別任務(wù),人臉識(shí)別有著巨大的實(shí)際應(yīng)用價(jià)值與市場(chǎng)前景。理想環(huán)境下的人臉識(shí)別已經(jīng)取得不俗成績(jī),然而,當(dāng)所處環(huán)境變化(如姿態(tài)變換、夸張表情、陰陽(yáng)臉、分辨率較低)時(shí),識(shí)別難度增加,效果也急劇變差。與此同時(shí),現(xiàn)有方法大多數(shù)無(wú)法實(shí)時(shí)(在線)完成人臉識(shí)別任務(wù),這也限制了人臉識(shí)別技術(shù)的應(yīng)用。
　　本文在浙江省大學(xué)生科技成果推廣項(xiàng)目(2013R407063)的贊助下,以人臉識(shí)別的背景及目的意義為出發(fā)點(diǎn),考慮到人臉的三維結(jié)構(gòu),分析研究了

2、基于三維人臉建模的多視角人臉識(shí)別方法,本文主要完成了以下幾方面的研究工作:
　　(1)人臉檢測(cè)階段:為了確保系統(tǒng)的穩(wěn)定性與實(shí)時(shí)性,選擇了基于AdaBoost的人臉檢測(cè)算法并將所得的分類器打包成XML文件的形式,為以后的實(shí)時(shí)人臉識(shí)別系統(tǒng)的搭建打下了基礎(chǔ)。
　　(2)三維人臉建模方面:在比較幾種基于圖像的三維人臉建模方法后,選擇了基于單張正面的照片的三維人臉建模方法,與常規(guī)方法相比,該方法的可行性與實(shí)用性高,方法可以無(wú)縫鏈接到人

3、臉識(shí)別系統(tǒng)中。本文提出了一套基于Candide-3的三維人臉建模方法,具體分為兩步:首先,使用改進(jìn)的ASM(主動(dòng)形狀模型)算法對(duì)定位正面人臉的特征點(diǎn)進(jìn)行定位并根據(jù)臨近點(diǎn)插值法確定非特征點(diǎn)坐標(biāo);然后,在紋理貼圖階段,本文依據(jù)DMS樣條函數(shù),在Candide-3標(biāo)準(zhǔn)模型的基礎(chǔ)上生成了含更多頂點(diǎn)的人臉模型,使得建立的模型真實(shí)感和連續(xù)性更好。最后,給出了根據(jù)所建三維人臉模型生成的多視角人臉圖像。
　　(3)在人臉圖像特征提取階段:本文提出

4、了基于深度神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法,本文的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練分為兩步:無(wú)監(jiān)督階段與有監(jiān)督階段。其中,在無(wú)監(jiān)督階段,使用SparseAutoencoder在大規(guī)模人臉庫(kù)LFW的基礎(chǔ)上進(jìn)行圖像恢復(fù)以訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。與此同時(shí),為探討網(wǎng)絡(luò)層數(shù)對(duì)于識(shí)別效果的影響,本文訓(xùn)練了多種多層數(shù)的神經(jīng)網(wǎng)絡(luò),實(shí)驗(yàn)結(jié)果表明,識(shí)別率并非與網(wǎng)絡(luò)層數(shù)正相關(guān);有監(jiān)督階段,采用鄰近元分析的方法,利用混合人臉庫(kù)人臉的多樣性(多姿態(tài)、多表情、多種光照),有目的地提高網(wǎng)絡(luò)對(duì)于人

5、臉的理解能力,減小相同人臉間距離,增大不同人臉間距離。實(shí)驗(yàn)結(jié)果表明,較傳統(tǒng)方法,本文提出的特征提取算法可提取人臉圖像的深度特征,適用于人臉姿態(tài)、表情、光照變化較大的人臉識(shí)別任務(wù)中,對(duì)于人臉識(shí)別方法的探究是一次有益的嘗試。
　　(4)在實(shí)際的人臉識(shí)別過(guò)程中:提出了一種“搜索半徑”的概念。首先將每張圖像用二進(jìn)制數(shù)據(jù)表示。在圖像檢索過(guò)程中,先計(jì)算出圖像間的二進(jìn)制數(shù)據(jù)間的漢明距離,然后按照漢明距離排序,在漢明距離較小的半徑內(nèi),尋找與待識(shí)別