基于人工智能技術(shù)的人臉圖像局部細節(jié)信息識別研究

胡貴恒

（安徽工商職業(yè)學(xué)院 信息工程學(xué)院，安徽 合肥 231131）

隨著人臉識別技術(shù)的發(fā)展，采用人臉動態(tài)識別方法進行人體生物特征分析，提高人臉圖像的動態(tài)識別和特征分析能力。在人臉識別過程中，由于受到不同表情的影響，導(dǎo)致人臉圖像的識別能力差，這就需要構(gòu)建人臉圖像局部細節(jié)信息識別模型。采用人臉圖像局部細節(jié)信息識別和特征提取方法，進行人臉識別處理，可以提高人臉的動態(tài)特征提取和辨識能力，關(guān)于人臉圖像局部細節(jié)信息識別的方法和研究受到人們的極大關(guān)注［1］。對人臉圖像局部細節(jié)信息的識別，是建立在人臉特征提取基礎(chǔ)上的。由于不同表情使得人臉特征分布具有差異性，導(dǎo)致人臉圖像的成像干擾較大，特征分辨能力低，需要建立優(yōu)化分割模型。結(jié)合圖像分割和信息增強技術(shù)［2］，進行不同表情下的人臉識別，還需要進一步識別人臉圖像的局部細節(jié)信息。因此，本文提出基于人工智能技術(shù)的人臉圖像局部細節(jié)信息識別方法。提取不同表情下的人臉圖像，通過多標簽語義分割方法進行人臉圖像的人工智能分析和特征融合聚類處理，實現(xiàn)人臉圖像局部細節(jié)信息識別，并通過仿真測試分析，得出有效性結(jié)論。

1 不同表情下的人臉圖像采樣和特征提取

1.1 人臉圖像采樣

為了實現(xiàn)不同表情下人臉圖像局部細節(jié)信息的識別：首先，構(gòu)建不同表情下人臉圖像的視覺采樣模型；其次，采用模糊視覺信息提取方法，檢測不同表情下的人臉圖像的邊緣輪廓；再次，采用亮度和邊緣感知方法，進行不同表情變化人臉圖像分割；最后，采用灰度像素增強方法，分析不同表情人臉像素點的特征匹配集［3］，所得到的模糊關(guān)聯(lián)特征量為

式中，rk表示人臉圖像的模糊關(guān)聯(lián)特征量；v表示模糊關(guān)聯(lián)系數(shù)；ν表示初始人臉圖像特征向量；p和P分別表示當(dāng)前人臉圖像像素及像素的最大值。

結(jié)合不同表情下人臉圖像的像素特征分布，提取人臉圖像的分布式特征，采用顯著性檢測算法，提取人臉圖像的模糊隸屬度函數(shù)，得到人臉圖像的特征分布檢測模型，模糊迭代式為

式中，U(v)表示模糊隸屬度函數(shù)；D表示顯著性系數(shù)；j表示人臉圖像的像素特征分布函數(shù)；K表示分布式特征量。

采用融合空間聚類分析方法，進行人臉圖像的優(yōu)化檢測和邊緣區(qū)域權(quán)重聚類，得到人臉圖像的模糊相關(guān)性聚類特征分布，滿足以下關(guān)系式：

采用模糊信息聚類方法，進行不同表情變化人臉圖像的邊緣輪廓檢測［4］。采用單幀向量融合方法，得到人臉圖像超像素特征重構(gòu)的模糊度函數(shù)為

式中，gj(x→)表示單幀向量融合函數(shù)；hj(x→)表示模糊信息聚類函數(shù)。

基于模糊粗糙集理論，對不同表情下的人臉圖像進行優(yōu)化分割和信息采集［5］。采用模糊信息融合檢測方法，得到對應(yīng)的像素點為邊緣區(qū)域。不同表情下人臉圖像增強的信息素分布矩陣為

式中，theta表示信息素分布矩陣的歐拉角。

采用Harris 角點檢測算法實現(xiàn)對三維智能動態(tài)人臉微小特征點的信息標定，考慮到低照度圖像的特征分布集，建立不同表情人臉圖像的超分辨率融合，得到人臉圖像的暗區(qū)域特征分量為

式中，med表示人臉圖像的超分辨率融合函數(shù)。

式中，T表示最大特征分量。

根據(jù)上述分析，采用模糊粗糙集理論，進行人臉圖像的優(yōu)化分割和信息采集，以此提升人臉圖像采樣效率與質(zhì)量。

1.2 不同表情變化人臉圖像高分辨視覺特征提取

采用高分辨的視覺信息重組技術(shù)進行不同表情下人臉圖像的信息重構(gòu)和分塊檢測，提取人臉圖像高分辨視覺特征量［6］，從不同層面上進行不同表情變化人臉圖像分布式檢測，得到圖像的熵值矩陣滿足：

當(dāng)缺乏先驗知識的時候，人臉識別的精度低。結(jié)合模糊信息融合方法得到不同表情下人臉圖像的分布特征量表達式為

式中，xk和xj表示人臉圖像特征尺度；σ表示特征分布概率密度。

采用多尺度信息特征分解方法，進行不同表情下人臉圖像的熵信息檢測，提取人臉圖像的相似度特征量［7］，得到模板匹配集為

式中，k（k=1,2,…,R，其中R表示最大特征尺度）表示人臉圖像相似度系數(shù)；e表示特征分解尺度。

結(jié)合小波域分塊融合方法，得到不同表情下人臉圖像的特征匹配模型，表示為

式中，bml(?)表示特征匹配函數(shù)；gkl.z表示特征匹配度；f kl表示小波域分塊融合系數(shù)，其中l(wèi)=1,2,…,R，且l≠k。

對不同表情下的人臉圖像進行灰度區(qū)域重組，得到權(quán)重自適應(yīng)參數(shù)為

式中，ycm和ydm表示不同灰度區(qū)域重組結(jié)果。

用Rβ表示計算機視覺下人臉圖像的增強分布值，得到不同表情下人臉圖像的灰度特征量為

構(gòu)建不同表情下人臉圖像的模糊度檢測模型，實現(xiàn)人臉圖像的高分辨視覺特征提取。

2 人臉圖像局部細節(jié)信息識別

2.1 人臉圖像局部細節(jié)特征提取

在虛擬視覺下進行不同表情的人臉圖像重構(gòu)，結(jié)合模糊信息增強技術(shù)進行不同表情的人臉圖像的信息增強處理，得到相似度特征量為

式中，xi∈Rn，表示不同表情下人臉圖像的邊緣狀態(tài)特征分布參數(shù)，其中Rn表示圖像邊緣狀態(tài)特征分布參數(shù)集合；ui∈Rm，其中m為模糊特征集；Aj(L)為不同表情下人臉圖像的灰度特征分布集。

采用Atanassov 模糊擴展方法，結(jié)合模糊隸屬函數(shù)，可以得到不同表情下人臉圖像的亮度特征分布集。采用模糊分布式檢測方法，進行不同表情下人臉圖像的特征優(yōu)化提取，以豐富圖像的細節(jié)，局部細節(jié)信息的融合矩陣為

計算不同表情下人臉圖像的關(guān)聯(lián)特征量，結(jié)合人工智能技術(shù)，求得子空間融合聚類環(huán)境下人臉圖像的特征分布集，得到模糊函數(shù)f(X)，滿足如下條件：

式中，f(Y)表示模糊聚類函數(shù)；N表示子空間數(shù)量；X和Y表示不同的子空間。

在數(shù)據(jù)值域內(nèi)，求得不同表情下人臉圖像動態(tài)分割的全局最優(yōu)解，得出邊緣輪廓特征量為

根據(jù)上述分析，獲取人臉圖像局部細節(jié)特征提取結(jié)果，并據(jù)此對人臉圖像局部細節(jié)信息進行識別，提升識別精度。

2.2 人臉圖像局部細節(jié)信息識別

將亮度分量作為學(xué)習(xí)因子，采用模糊深度學(xué)習(xí)方法，進行不同表情下人臉圖像的局部細節(jié)信息識別，再采用自適應(yīng)尋優(yōu)方法，得出像素空間聚類分布值：

構(gòu)造不同表情下人臉圖像的相似度特征分辨模型，結(jié)合像素分布矩陣進行人臉圖像的細節(jié)特征重建，得到不同表情下人臉圖像的邊緣像素集為M×N。采用多模態(tài)特征分解方法，得到人臉圖像局部細節(jié)信息識別的模糊深度學(xué)習(xí)模型為

式中，η表示不同表情下人臉圖像的分塊匹配量化集；φ表示稀疏特征分量；R表示不同表情下人臉圖像的模板匹配系數(shù)；D表示邊緣模糊像素集；0 ≤φ≤2π,0 ≤η≤π,R=D2。

構(gòu)建不同表情下人臉圖像的多維直方圖結(jié)構(gòu)模型，對不同分辨率的細節(jié)信息進行關(guān)聯(lián)特征匹配，得到不同表情下人臉圖像的空間相似性特征量為

提取人臉圖像的空間視覺特征分布值，計算不同表情下人臉圖像的R、G、B分量，所得人臉圖像三維分塊幀點檢測的模板匹配值為AR、AG、AB和WR、WG、WB。基于高斯混合模型，在特征模板m×n內(nèi)，可以得到不同表情下人臉圖像的局部細節(jié)信息識別輸出結(jié)果［8］。

3 仿真實驗與結(jié)果分析

為了驗證本文方法在實現(xiàn)不同表情的人臉圖像局部細節(jié)信息識別中的應(yīng)用性能，進行了仿真實驗。人臉圖像的采樣數(shù)據(jù)庫為OpenFligh，三維智能動態(tài)人臉視覺特征采樣的樣本數(shù)為200，人臉像素特征匹配系數(shù)為0.45，灰度像素集為120×200，測試的人臉樣本及細節(jié)特征分布如圖1所示。

圖1 人臉樣本及細節(jié)特征分布

根據(jù)圖1 所示的人臉樣本數(shù)據(jù)，進行人臉圖像局部細節(jié)信息識別，所得識別結(jié)果如圖2所示。

圖2 人臉圖像局部細節(jié)信息識別結(jié)果

通過分析圖2 得知，采用本文方法進行人臉圖像局部細節(jié)信息識別的精度較高，特征分辨能力較好。3種算法的測試虛警率對比結(jié)果如圖3所示。

圖3 虛警率對比

由分析得知，采用該方法進行人臉圖像局部細節(jié)信息識別的虛警率較低，說明該方法具有較高的識別精度，提高了人臉的準確識別能力。

4 結(jié)語

為了提升人臉圖像局部細節(jié)信息識別效果，本文提出了一種新的基于人工智能技術(shù)的人臉圖像局部細節(jié)信息識別方法。通過對人臉圖像局部細節(jié)信息識別全過程的闡述，完成了人臉圖像局部細節(jié)信息識別方法的設(shè)計。通過實驗證明，該方法的特征辨識能力較好，信息融合度較高，具有較高的人臉圖像局部細節(jié)信息識別精度，有很好的應(yīng)用價值，可以在實際中得到進一步推廣。