基于統(tǒng)一特征空間的低分辨率人臉識別算法.pdf

1、人臉識別是生物特征識別領(lǐng)域最重要的分支之一，它的發(fā)展經(jīng)歷了從人工到機(jī)器自動(dòng)識別，從嚴(yán)格約束到復(fù)雜條件下的識別。如今，監(jiān)控網(wǎng)絡(luò)的覆蓋范圍越來越廣，然而由于設(shè)備、技術(shù)、成本的制約以及遠(yuǎn)距離的原因，通常監(jiān)控?cái)z像機(jī)采集到的圖像是低分辨率的。目前，大多數(shù)的魯棒人臉識別研究針對的是姿態(tài)、光照、表情、遮擋等因素，而針對低分辨率圖像的人臉識別，仍是一個(gè)較新的領(lǐng)域。
　　近年來，一些研究人員已經(jīng)關(guān)注到了低分辨率人臉識別這一問題，并且提出了一些優(yōu)秀的

2、低分辨率人臉識別算法。然而，至今還沒有人對這些人臉識別算法進(jìn)行過總結(jié)、綜述。因此，本文首先將對已有的低分辨率人臉識別算法進(jìn)行分類，并詳細(xì)介紹每種方法的基本思想和優(yōu)缺點(diǎn)。算法的分類是從解決特征空間不匹配的策略這一角度考慮的，分為基于超分辨率方法的低分辨率人臉識別方法，基于分辨率魯棒特征表示的低分辨率人臉識別方法，和基于統(tǒng)一特征空間的低分辨率人臉識別方法。
　　本文從統(tǒng)一特征空間思想出發(fā)，提出了一種姿態(tài)魯棒的低分辨率人臉識別算法，充分

3、利用了高低分辨率圖像之間的關(guān)系。首先在訓(xùn)練階段，尋找一個(gè)統(tǒng)一特征空間，將高分辨率參考圖像特征和低分辨率測試圖像特征同時(shí)地變換到這個(gè)空間，使得高低分辨率圖像特征之間的距離，可以最大程度上近似于同樣是高分辨率相同姿態(tài)時(shí)圖像特征之間的距離，也就是最小化高低分辨率圖像特征距離和高高分辨率圖像特征距離之間的差異；然后在測試階段，將高低分辨率圖像特征同時(shí)投影在在這個(gè)統(tǒng)一特征空間，再進(jìn)行匹配識別。該方法在CMU MultiPIE數(shù)據(jù)集上，不同姿態(tài)、光

4、照、分辨率條件下，取得了最高為91％的正確識別率；同時(shí)，在有挑戰(zhàn)性的MBGC/FRGC數(shù)據(jù)集上，在0.1的錯(cuò)誤接受條件下，取得了高達(dá)49%的正確識別率。
　　由于低分辨率圖像上可供識別的細(xì)節(jié)信息很少，所以本文進(jìn)一步引入基于稀疏表示的超分辨率方法，將低分辨率圖像經(jīng)超分辨率處理，增加識別信息，再用提出的統(tǒng)一特征空間方法進(jìn)行識別，進(jìn)一步提高了正確識別率。在CMU MultiPIE數(shù)據(jù)集上，存在一定姿態(tài)變化、高低分辨率比例為3時(shí)，本文提出