利用關(guān)鍵特征點(diǎn)的多信息融合人臉識(shí)別

林克正+許松婷+李驁+吳迪

摘 要：經(jīng)過多年的人臉識(shí)別研究，受光照、噪聲等條件影響而導(dǎo)致識(shí)別率相對(duì)較低的二維人臉識(shí)別技術(shù)已經(jīng)跟不上時(shí)代最前沿的步伐，雖然三維人臉識(shí)別技術(shù)正在步步發(fā)展，但是它卻有著較高的復(fù)雜性。針對(duì)這一問題，根據(jù)傳統(tǒng)的深度信息定位方法以及LFA局部特征分析方法，提出了一種改進(jìn)的三維人臉關(guān)鍵特征點(diǎn)定位算法，并在獲取完備聚類訓(xùn)練樣本的基礎(chǔ)上，進(jìn)一步提出了全局和局部加權(quán)融合的特征提取算法。通過在FRGC和BU3DFE兩個(gè)人臉庫(kù)中實(shí)驗(yàn)數(shù)據(jù)的對(duì)比分析，本文方法在三維人臉的識(shí)別效果方面具有更高的魯棒性。

關(guān)鍵詞：特征點(diǎn)定位；多信息融合；局部特征分析；人臉識(shí)別

DOI：1015938/jjhust201703004

中圖分類號(hào)： TP7511

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2017）03-0019-06

Abstract：After years of face recognition research， due to the effect of illumination， noise and other conditions have led to the recognition rate is relatively low， 2 d face recognition technology has couldn′t keep up with the pace of The Times the forefront， Although 3 d face recognition technology is developing step by step， but it has a higher complexity In order to solve this problem， based on the traditional depth information positioning method and local characteristic analysis methods LFA， puts forward an improved 3 d face key feature points localization algorithm， and on the basis of the trained sample which obtained by complete cluster， further put forward the global and local feature extraction algorithm of weighted fusion Through FRGC and BU3DFE experiment data comparison and analysis of the two face library， the method in terms of 3 d face recognition effect has a higher robustness

Keywords：locate feature points； multiple information fusion； local characteristic analysis； face recognition

圖中我們發(fā)現(xiàn)測(cè)試對(duì)象的識(shí)別率整體上比較穩(wěn)定，對(duì)于識(shí)別率偏低的對(duì)象我們應(yīng)關(guān)注分析其原因。通過表中詳細(xì)數(shù)據(jù)我們能夠明顯看到3號(hào)和10號(hào)人臉識(shí)別率最高，4號(hào)和9號(hào)人臉識(shí)別率較低，而其他測(cè)試人臉識(shí)別效果處于較為理想狀態(tài)。

針對(duì)兩個(gè)人臉庫(kù)中隨機(jī)選取測(cè)試對(duì)象出現(xiàn)的識(shí)別率較低的情況，我們通過具體數(shù)據(jù)進(jìn)行分析[20]。其中一個(gè)主要原因就是訓(xùn)練樣本圖像不完備導(dǎo)致，在對(duì)二維虛擬圖像進(jìn)行子集劃分時(shí)，沒有完全的包含不同光照、角度的盡可能多的圖像，故導(dǎo)致特征提取時(shí)特征向量不夠完整，從而導(dǎo)致識(shí)別率偏低。另外一種可能是由關(guān)鍵特征點(diǎn)定位錯(cuò)誤導(dǎo)致，直接影響了識(shí)別效果。我們通過對(duì)BU3DFE實(shí)驗(yàn)中4號(hào)和9號(hào)分析發(fā)現(xiàn)，這兩個(gè)測(cè)試對(duì)象表情較為夸張，導(dǎo)致特征點(diǎn)定位錯(cuò)誤，使得識(shí)別率變低。針對(duì)這兩個(gè)問題，也是我們以后研究中需要關(guān)注的。

4 結(jié) 語(yǔ)

本文提出了一種基于關(guān)鍵特征點(diǎn)定位算法的多信息融合人臉識(shí)別算法，它一方面能夠?qū)⒁恍┕庹铡⒈砬?、服飾等外界因素排除在外，更好的?duì)關(guān)鍵特征點(diǎn)進(jìn)行定位，獲得一個(gè)低維線性子空間生成的二維人臉的聚類訓(xùn)練樣本集；另一方面很好的解決了在進(jìn)行特征提取的過程中存在的非線性問題，將對(duì)人臉特征提取后得到的虛擬圖像劃分成包含聚類信息的子集。然而仍然存在許多問題，雖然充足的訓(xùn)練樣本集提高了特征模板的完備性，但是訓(xùn)練樣本數(shù)目的增加無疑會(huì)影響整個(gè)算法的性能和效率。而全局和局部加權(quán)融合的特征提取，對(duì)權(quán)重的分配并沒有一種自適應(yīng)的優(yōu)化方法，故此問題可以作為今后的一個(gè)研究方向。

參 考 文 獻(xiàn)：

[1] 鄒國(guó)鋒，付桂霞，李海濤，等 多姿態(tài)人臉識(shí)別綜述[J]. 模式識(shí)別與人工智能，2016，28（7）：613-625

[2] 侯保衛(wèi)，楊國(guó)勝 人臉檢測(cè)與識(shí)別[J]. 中央民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（4）：57-62

[3] 劉帥，林克正，孫旭東，等 基于聚類的SIFT人臉檢測(cè)算法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)，2014（19）：31-35

[4] 龔劬，盧力，廖武忠 基于主成分分析的人臉個(gè)體差異識(shí)別算法[J]. 計(jì)算機(jī)工程，2012，38（1）：45

[5] 李昆明 基于局部特征的人臉識(shí)別研究與實(shí)現(xiàn)[D]. 長(zhǎng)沙：湖南大學(xué)，2014

[6] 韋杏瓊，周永權(quán) 求解矩陣特征值和特征向量的PSO算法[J]. 計(jì)算機(jī)工程，2010（3）：189-191

[7] 蘇煜，山世光，陳熙霖等 基于全局和局部特征集成的人臉識(shí)別[J]. 軟件學(xué)報(bào)，2010，21（8）：1849-1862

[8] 袁圓 人臉識(shí)別的多線性方法及改進(jìn)[J].科技信息，2013（34）：203

[9] 楊福猛，袁曉斌，相桂芳 基于稀疏表示的快速三維人臉識(shí)別方法[J]. 安徽師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，37（6）：543-548.

[10]周利 基于球面諧波函數(shù)模型的人臉識(shí)別[D]. 廣州：中山大學(xué)，2008

[11]詹曙，張芝華，葉長(zhǎng)明，等 三維人臉深度圖的流形學(xué)習(xí)LOGMAP識(shí)別方法[J].電子測(cè)量與儀器學(xué)報(bào)，2012，26（2）：138-143.

[12]蔡澤民，閆敬文 人臉識(shí)別：從二維到三維[J]. 計(jì)算機(jī)工程與應(yīng)用，2011，47（11）：155-159

[13]劉濤 基于統(tǒng)計(jì)模型的多姿態(tài)人臉識(shí)別研究[D]. 成都：西南交通大學(xué)，2011

[14]林奎成，王雪，談?dòng)钇?復(fù)雜光照下自適應(yīng)區(qū)域增強(qiáng)人臉特征定位[J].儀器儀表學(xué)報(bào)，2014，35（2）：292-298.

[15]張近，夏凌，李光瑞 基于壓縮感知和圖像分塊的遮擋人臉識(shí)別[J]. 西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（3）：13-16

[16]葉劍華，劉正光.多模態(tài)人臉識(shí)別融合方法比較研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（19）：153-156.

[17]朱冰蓮，王大為，李明均等.針對(duì)表情變化的三維人臉識(shí)別系統(tǒng)研究[J].儀器儀表學(xué)報(bào)，2014，35（2）：299-304.

[18]劉蓉.姿態(tài)和表情不變的三維人臉識(shí)別研究[D].杭州：浙江大學(xué)，2015.

[19]林奎成，王雪，談?dòng)钇?復(fù)雜光照下自適應(yīng)區(qū)域增強(qiáng)人臉特征定位[J].儀器儀表學(xué)報(bào)，2014，35（2）：292-298.

[20]柴秀娟，山世光，卿來云等.基于3D人臉重建的光照，姿態(tài)不變?nèi)四樧R(shí)別[J].軟件學(xué)報(bào)，2006，17（3）：525-534.

（編輯：溫澤宇）