基于三元空間融合的模糊人臉圖像特征相似度識(shí)別

智應(yīng)潁 顧銘岑 閆凌維 仲蓓鑫 何金鳳

摘? 要： 提出一種基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法。通過建立模糊人臉圖像特征相似度投影矩陣，將模糊人臉圖像映射到同一個(gè)特征表示空間，得到維數(shù)一致的特征向量;針對(duì)10種LIH特征相似度進(jìn)行分析，確定模糊人臉圖像特征相似度信息能量百分比;使用三元空間融合技術(shù)中編碼的方式描述模糊人臉圖像中的特征描述子，基于三元空間融合提取局部特征描述子;通過設(shè)計(jì)對(duì)稱表示相似性度量方法，取得最完整的特征相似度識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法可以實(shí)現(xiàn)模糊人臉圖像特征相似度精準(zhǔn)識(shí)別，其特征相似度識(shí)別分辨率明顯高于傳統(tǒng)方法。

關(guān)鍵詞： 三元空間融合; 模糊人臉圖像特征; 相似度識(shí)別; 特征向量

中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）09-66-04

Abstract： In this paper， a fuzzy face image feature similarity recognition method based on ternary space fusion is proposed. By establishing the projection matrix of fuzzy face image feature similarity， the fuzzy face image is mapped to the same feature representation space to obtain the feature vector with the same dimension; the 10 LIH feature similarities are analyzed to determine the percentage of information energy of the fuzzy face image feature similarity; the feature descriptors in the fuzzy face image are described by using the coding method in the ternary space fusion technology， and the local feature descriptors are extracted based on ternary space fusion; the most complete feature similarity recognition results are obtained by designing a symmetric representation similarity metric. Experiment results show that this method can realize accurate recognition of fuzzy face image feature similarity， and its feature similarity recognition resolution is significantly higher than that of traditional methods.

Key words： ternary space fusion; fuzzy face image features; similarity recognition; feature vectors

0 引言

為構(gòu)建平安城市，通過大量的視頻監(jiān)控網(wǎng)絡(luò)得到的圖像基本比較模糊，模糊人臉圖像特征相似度識(shí)別是在模糊圖像中提取特征信息的有效方法[1]。但由于現(xiàn)代化網(wǎng)絡(luò)技術(shù)的發(fā)展，人們對(duì)模糊人臉圖像特征相似度識(shí)別精度的要求越來越高。

三元空間融合作為一種空間融合技術(shù)，能夠在原有信息空間和物理空間二元空間融合的基礎(chǔ)上，加入人類認(rèn)知空間[2]。通過三元空間融合針對(duì)信息空間中的目標(biāo)進(jìn)行有效識(shí)別，進(jìn)而提高識(shí)別的精度。三元空間融合以其獨(dú)有的優(yōu)勢(shì)在大眾視線中脫穎而出，三元空間融合技術(shù)在模糊人臉圖像特征相似度識(shí)別中的應(yīng)用已經(jīng)不是首次提出，早于2015年高新波等人提出的基于三元空間融合的人臉圖像模式識(shí)別中，就得出三元空間融合在處理相關(guān)圖片信息方面具有著獨(dú)特的識(shí)別機(jī)制的結(jié)論，并通過實(shí)驗(yàn)的方式證明三元空間融合在人臉圖像模式識(shí)別中的有效性。在此基礎(chǔ)上，本文提出一種基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法，力求為模糊人臉圖像特征相似度識(shí)別的進(jìn)一步發(fā)展提供方法支持[3]。

1 基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法

根據(jù)模糊人臉圖像特征參數(shù)三元空間融合具有的特點(diǎn)，下述將進(jìn)行基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法設(shè)計(jì)[4]?；谌臻g融合的模糊人臉圖像特征相似度識(shí)別整體框架，如圖1所示。

本文針對(duì)圖1中的三點(diǎn)做重點(diǎn)研究[5]。將三元空間融合模糊人臉圖像特征相似度識(shí)別框架分為三個(gè)步驟，逐一實(shí)現(xiàn)模糊人臉圖像特征相似度識(shí)別[6]。

1.1 建立模糊人臉圖像特征相似度投影矩陣

在模糊人臉圖像特征相似度識(shí)別中，首先要建立模糊人臉圖像特征相似度投影矩陣;再通過將模糊人臉圖像映射到同一個(gè)特征表示空間;最后，得到維數(shù)一致的特征向量[7]。設(shè)模糊人臉圖像特征相似度投影矩陣為E，則其計(jì)算公式，如公式⑴所示。

在公式⑴中，M指的是模糊人臉圖像的長度;N指的是模糊人臉圖像的寬度;x（i，j）指的是模糊人臉圖像在共享空間的投影距離;i指的是模糊人臉圖像在共享空間的橫坐標(biāo);j指的是模糊人臉圖像在共享空間的縱坐標(biāo)。利用公式⑴可得出模糊人臉圖像特征相似度投影。

1.2 確定模糊人臉圖像特征相似度信息能量百分比

根據(jù)模糊人臉圖像特征相似度投影，確定模糊人臉圖像特征低頻信息能量及高頻信息能量百分比[8]。

結(jié)合Klare等人提出的模糊人臉圖像特征相似度判別分析方法，針對(duì)10種LIH特征相似度進(jìn)行分析。模糊人臉圖像特征相似度能量百分比具體信息，如表1所示。

分析表1數(shù)據(jù)，通過特征相似度投影分析模糊人臉圖像能夠得出能量集中在低頻信息區(qū)域中，高頻信息區(qū)域中能量分布較少[9]。

1.3 基于三元空間融合提取局部特征描述子

由于在建立模糊人臉圖像特征相似度投影矩陣時(shí)，未考慮到模糊人臉圖像的空域聯(lián)系[10]，因此，在建立模糊人臉圖像特征相似度投影矩陣的基礎(chǔ)上，基于三元空間融合提取模糊人臉圖像中低頻信息和高頻信息的局部特征描述子[11]。

首先，需要對(duì)輸入的模糊人臉圖像進(jìn)行預(yù)處理;再通過三元空間融合技術(shù)劃分信息空間、物理空間以及人類認(rèn)知空間，將高頻信息劃分到信息空間以及物理空間，將低頻信息劃分到人類認(rèn)知空間;而后，使用三元空間融合技術(shù)中編碼的方式描述模糊人臉圖像中的特征描述子，并通過特征拼接的方式實(shí)現(xiàn)三元空間融合;最后，根據(jù)特征描述子的向量進(jìn)行模糊人臉圖像輸出處理，實(shí)現(xiàn)直接將識(shí)別模糊人臉圖像進(jìn)行輸入或輸出處理。

基于三元空間融合提取局部特征描述子可用方程式的手段進(jìn)行表示，設(shè)提取后的局部特征描述子為D（x，y），則其計(jì)算公式，如公式⑵所示[12]。

其中，k指的是模糊人臉圖像局部Radon三值特征向量維度;k指的是維度，為實(shí)數(shù)，通常情況下取值為1;x指的是信息空間、物理空間模態(tài)下的模糊人臉圖像;y指的是人類認(rèn)知空間模態(tài)下的模糊人臉圖像;rk指的是在k維度下提取的模糊人臉圖像局部Radon三值特征向量維度元素值[13]。通過公式⑵，可以基于三元空間融合提取模糊人臉圖像局部特征描述子，而局部特征描述子則可以直接反映出的細(xì)微部件信息，為下文的模糊人臉圖像特征相似度識(shí)別提供數(shù)據(jù)支持。

1.4 取得最完整的特征相似度識(shí)別結(jié)果

得到基于三元空間融合提取局部特征描述子后，構(gòu)建一個(gè)模糊人臉圖像特征相似度識(shí)別數(shù)據(jù)集，通過重構(gòu)權(quán)值的方法直接省略前期的預(yù)處理流程，進(jìn)行模糊人臉圖像特征組別提煉或相關(guān)數(shù)據(jù)的重新構(gòu)建[14]。面對(duì)在模糊人臉圖像特征相似度識(shí)別中出現(xiàn)人臉信息傾斜狀況，利用三元空間融合其高度穩(wěn)定性，自動(dòng)進(jìn)行模糊人臉圖像的平移或旋轉(zhuǎn)操作，利用精密的特征描述子結(jié)構(gòu)實(shí)現(xiàn)收集到的特征相似度信息數(shù)據(jù)的處理，分析等工作。由于模糊人臉圖像特征相似度識(shí)別很容易受到噪聲干擾，本文通過設(shè)計(jì)對(duì)稱表示相似性度量方法，取得最完整的特征相似度識(shí)別結(jié)果。設(shè)對(duì)稱表示相似性度量方法的計(jì)算表達(dá)式為Z（x，y），則其計(jì)算公式，如公式⑶所示[15]。

在公式⑶中，[wx，y]指的是對(duì)信息空間、物理空間模態(tài)下的模糊人臉圖像表示特征的第 z 維元素值;[wy，z]指的是對(duì)人類認(rèn)知空間模態(tài)下的模糊人臉圖像表示特征的第 z 維元素值;[nz]表示的是三元空間下模糊人臉圖像特征相似度識(shí)別的狀態(tài)，為實(shí)數(shù)，當(dāng)[wx，y]與[wy，z]均為正數(shù)時(shí)，[nz]取值為1;當(dāng)[wx，y]與[wy，z]均為負(fù)數(shù)時(shí)，[nz]取值為0，則證明該次模糊人臉圖像特征相似度識(shí)別結(jié)果無效[16]。至此，完成基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法設(shè)計(jì)。

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)準(zhǔn)備

本文通過實(shí)驗(yàn)，證明設(shè)計(jì)特征相似度識(shí)別方法的優(yōu)越性。實(shí)驗(yàn)對(duì)象選取某模糊人臉圖像，在仿真實(shí)驗(yàn)軟件平臺(tái)上構(gòu)建一個(gè)虛擬的仿真識(shí)別信號(hào)網(wǎng)，輸入模糊人臉圖像，并設(shè)置該識(shí)別信號(hào)的傳輸速率為1220bps，信號(hào)采集速率為84.4kHz。模糊人臉圖像的具體信息，如表2所示。

結(jié)合表2所示，實(shí)驗(yàn)內(nèi)容針對(duì)模糊人臉圖像的特征相似度識(shí)別分辨率進(jìn)行。首先，采用傳統(tǒng)的特征相似度識(shí)別方法進(jìn)行實(shí)驗(yàn)，再采用文章設(shè)計(jì)的特征相似度識(shí)別方法進(jìn)行實(shí)驗(yàn)，設(shè)置傳統(tǒng)的特征相似度識(shí)別方法為對(duì)照組。針對(duì)表2中的10種特征參數(shù)，將實(shí)驗(yàn)次數(shù)設(shè)為10次，分別使用兩種特征相似度識(shí)別方法進(jìn)行特征相似度識(shí)別，從而得出實(shí)驗(yàn)數(shù)據(jù)。

2.2 實(shí)驗(yàn)結(jié)果分析與結(jié)論

根據(jù)上述設(shè)計(jì)的實(shí)驗(yàn)步驟，采集10組實(shí)驗(yàn)數(shù)據(jù)，將兩種特征相似度識(shí)別方法下的特征相似度識(shí)別分辨率進(jìn)行對(duì)比。為了更加直觀地體現(xiàn)出兩種特征相似度識(shí)別方法的差異性，將實(shí)驗(yàn)結(jié)果在仿真實(shí)驗(yàn)平臺(tái)以表格的形式進(jìn)行展示。具體實(shí)驗(yàn)結(jié)果，如表3所示。

通過表3可得出如下的結(jié)論，本文設(shè)計(jì)的特征相似度識(shí)別方法的特征相似度識(shí)別分辨率明顯高于傳統(tǒng)方法，且優(yōu)勢(shì)明顯，能夠?qū)崿F(xiàn)模糊人臉圖像特征相似度精準(zhǔn)識(shí)別。因此，可以證明三元空間融合技術(shù)在模糊人臉圖像特征相似度識(shí)別方面應(yīng)用的有效性，與高新波等人提出的基于三元空間融合的人臉圖像模式識(shí)別中的實(shí)驗(yàn)結(jié)果具有一致性。

3 結(jié)束語

隨著三元空間融合技術(shù)的不斷成熟，本文基于三元空間融合對(duì)模糊人臉圖像特征相似度進(jìn)行識(shí)別，取得了良好的效果。

模糊人臉圖像特征相似度識(shí)別是針對(duì)模糊人臉圖像進(jìn)行精準(zhǔn)識(shí)別最實(shí)用和最可靠的方法。因此，針對(duì)基于三元空間融合的模糊人臉圖像特征相似度識(shí)別方法的研究可以大幅度提高特征相似度識(shí)別分辨率，完成傳統(tǒng)的特征相似度識(shí)別方法所不能實(shí)現(xiàn)的任務(wù)。三元空間融合是模糊人臉圖像特征相似度識(shí)別的核心技術(shù)，有理由加大對(duì)該技術(shù)在模糊人臉圖像特征相似度識(shí)別中的研究力度，為模糊人臉圖像特征相似度識(shí)別的發(fā)展指明前進(jìn)方向。

本文仍存在不足之處，沒有針對(duì)基于二元空間融合的模糊人臉圖像特征相似度識(shí)別方法與設(shè)計(jì)方法進(jìn)行對(duì)比，相信這一點(diǎn)可以成為日后的研究內(nèi)容之一。

參考文獻(xiàn)（References）：

[1] 陸振宇，邱雨楠，陸冰鑒等.改進(jìn)的二維主成分分析的人臉識(shí)別新算法[J].現(xiàn)代電子技術(shù)，2019.42（6）：55-59，64

[2] 張凱兵，鄭冬冬，景軍鋒.低分辨人臉識(shí)別綜述[J].計(jì)算機(jī)工程與應(yīng)用，2019.55（22）：14-24

[3] 高洪濤，郜亞麗.融合均勻局部二元模式和稀疏表示的人臉識(shí)別[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019.40（3）：869-873

[4] 付利華，盧中山，孫曉威，趙宇，張博.融合參考圖像的人臉超分辨率重構(gòu)方法[J].模式識(shí)別與人工智能，2020.33（4）：325-336

[5] 張敦鳳，高寧化，霍建文等.基于分塊LBP融合特征和SVM的人臉識(shí)別算法[J].傳感器與微系統(tǒng)，2019.38（5）：154-156，160

[6] 李瞳，李彤，趙宏偉.基于殘差神經(jīng)網(wǎng)絡(luò)的視頻內(nèi)容快速檢索系統(tǒng)研究[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2018.36（4）：465-469

[7] 李浩.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像特征提取[J].河南工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2019.31（1）：66-70，76

[8] 章東平，陳思瑤，李建超等. 基于改進(jìn)型加性余弦間隔損失函數(shù)的深度學(xué)習(xí)人臉識(shí)別[J]. 傳感技術(shù)學(xué)報(bào)，2019.32（12）：1830-1835

[9] 蘇寒松，劉高華，陳震宇等.一種基于角度距離損失函數(shù)和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法[J].激光與光電子學(xué)進(jìn)展，2018.55（12）：408-419

[10] 楊涵.基于深度學(xué)習(xí)的人臉識(shí)別算法研究[J]. 電子設(shè)計(jì)工程，2019.27（019）：155-159

[11] 龔銳，丁勝，章超華等.基于深度學(xué)習(xí)的輕量級(jí)和多姿態(tài)人臉識(shí)別方法[J].計(jì)算機(jī)應(yīng)用，2020.40（3）：704-709

[12] 丁志軍.三元論下城鎮(zhèn)土地利用空間優(yōu)化模型仿真[J].計(jì)算機(jī)仿真，2019.36（1）：235-238

[13] 李利民，劉明輝.基于機(jī)器學(xué)習(xí)算法的人臉識(shí)別魯棒性研究[J].中國電子科學(xué)研究院學(xué)報(bào)，2017.12（2）：219-224

[14] 黎智輝，謝蘭遲，王桂強(qiáng)等.基于人臉特征相似度分?jǐn)?shù)似然比的人臉比對(duì)方法[J].刑事技術(shù)，2019.44（1）：1-8

[15] 宋旭，劉國英.基于自動(dòng)編碼機(jī)特征融合的圖像行為識(shí)別算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019.40（5）：1477-1483

[16] 袁姮，王志宏，姜文濤.基于頻率簇模型的人臉識(shí)別[J].中國圖象圖形學(xué)報(bào)，2016.21（9）：1166-1177