论文部分内容阅读
生物识别技术，是近几年迅速发展起来的计算机安全技术，它根据面像、指纹、掌纹、语音等人体生理特征，利用图像处理和模式识别技术鉴别或验证身份。作为最容易隐蔽使用的识别技术，人脸识别成为当今国际反恐和安全防范最重要的手段之一。 针对现有人脸识别技术普遍对年龄变化较为敏感的问题，本文在国内外现有的人脸识别技术和其他领域年龄变化研究的基础上，从年龄预测、图像重建和分类识别三个方面着手，提出了基于年龄图像重建的人脸识别算法，并设计实现了相应的原型系统。本文的工作主要包括： (1) 提出了基于支持向量回归的人脸年龄预测方法。分析了现有年龄预测算法的优缺点，采用Sobel图像增强算法与SVD算法相结合提取人脸纹理随年龄变化的关键特征，在借助支持向量回归算法进行学习的过程中，结合网格搜索与交叉验证进行参数优化，从而建立最佳年龄回归模型，估计人脸图像的大致年龄范围。该方法能较好地实现人脸的年龄分类，年龄误差可控制在4岁范围内。 (2) 提出了基于年龄特征的人脸图像重建技术。根据已有的生理学数据，结合机器学习的方法和图像变形技术，对提取出的人脸形状进行年龄变化处理，借鉴于Lambertian表面比率图理论，提出了年龄比率图的思想，利用训练好的年龄预测模型调整比率图的生成参数，再对目标人脸进行纹理叠加，从而得到人脸在目标年龄下的细节纹理。该方法能生成较为真实自然的年龄重建图像，并利用年龄预测算法对重建结果进行了评价。 (3) 深入研究了基于奇异值特征与隐马尔可夫模型的分类识别方法，针对传统奇异值特征包含信息量偏少的缺点，采用分块奇异值特征扩大特征的覆盖范围，加强不同人脸特征之间的区分度。在1维HMM的基础上，根据人脸的组织结构，设计了水平与垂直两个方向的1维HMM，并根据不同的权重进行策略融合，以提高最终的分类识别效果，该方法既弥补了原有1维HMM的精度不够问题，又避免了2维HMM的算法复杂性问题。 (4) 采用面向对象思想，设计并开发了具有年龄变化的人脸识别原型系统。该系统由年龄预测、年龄图像重建、特征提取和人脸识别四个功能模块组成。基本实现了当训练图像与测试图像采集时间间隔十年左右，计算机仍然能根据人脸判定所属对象。