開(kāi)放環(huán)境下指定人物人臉識(shí)別的方法.pdf

1、作為自然、直接、易被接受的生物特征識(shí)別技術(shù),人臉識(shí)別技術(shù)廣泛應(yīng)用于身份識(shí)別和智能監(jiān)控領(lǐng)域。實(shí)際應(yīng)用中,絕大多數(shù)人臉識(shí)別任務(wù)是在開(kāi)放環(huán)境下完成的,在這種環(huán)境下,只有小部分的人臉?biāo)鶎?duì)應(yīng)的人物是預(yù)先在系統(tǒng)中注冊(cè)過(guò)的,系統(tǒng)需要識(shí)別接受這一部分人物,并有效地排除大量非目標(biāo)人物。另外,受拍攝光照、姿勢(shì)、表情等因素的影響,同一人物的人臉會(huì)呈現(xiàn)不同的圖像表現(xiàn)。這些因素使得開(kāi)放環(huán)境下識(shí)別性能的提高是人臉識(shí)別的難點(diǎn)。本文就開(kāi)放環(huán)境下指定人物的人臉識(shí)別提出了

2、一套行之有效的方法,主要工作由以下幾個(gè)部分組成:
　　(1)模擬人類認(rèn)知識(shí)別模式,為每一個(gè)指定的目標(biāo)人物構(gòu)建一個(gè)人臉二分識(shí)別器。本文采用目標(biāo)人物的邊緣人臉訓(xùn)練生成針對(duì)特定人物的識(shí)別器,以判定輸入人臉是否屬于該目標(biāo)人物。其中,目標(biāo)人物的邊緣人臉是通過(guò)目標(biāo)人臉與大量隨機(jī)非目標(biāo)人臉的變形融合來(lái)生成的。
　　(2)采用具有互補(bǔ)特性的Local Binary Pattern和Gabor Wavelets對(duì)邊緣人臉進(jìn)行特征描述,再用Su

3、pport Vector Machine訓(xùn)練基于這兩種特征的人臉識(shí)別器。利用互補(bǔ)特性對(duì)這兩種識(shí)別器的判定結(jié)果進(jìn)行融合,構(gòu)建一個(gè)并行的識(shí)別網(wǎng)絡(luò)。這一做法使得系統(tǒng)在保證目標(biāo)人物識(shí)別效率的前提下,能夠有效降低非目標(biāo)人物的錯(cuò)誤判定效率。
　　(3)改進(jìn)系統(tǒng)對(duì)多種旋轉(zhuǎn)角度人臉識(shí)別的性能,在訓(xùn)練指定人物識(shí)別器的過(guò)程中,為其生成了多種旋轉(zhuǎn)角度的邊緣人臉。為了達(dá)到這個(gè)目的,本文提出了一種基于變形的多角度人臉生成方法,使得系統(tǒng)可以利用有限角度的人臉

4、生成其它自然而平滑的指定角度人臉。
　　本文采用10位知名人物作為待識(shí)別的指定人物,從互聯(lián)網(wǎng)上獲取了他們大量的人臉圖片,結(jié)合標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)FERET構(gòu)建了一個(gè)類似開(kāi)放環(huán)境的人臉數(shù)據(jù)集。在該數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn),并與基于Robust Sparse Coding的識(shí)別方法進(jìn)行對(duì)比。結(jié)果表明,在開(kāi)放環(huán)境下,本方法的識(shí)別性能比RSC算法要好,能夠?qū)χ付ㄈ宋锏淖內(nèi)四樳_(dá)到92％以上識(shí)別效果,同時(shí)對(duì)非目標(biāo)人臉的虛警率在0.5%以內(nèi)。另外,本文還利用CM