论文部分内容阅读
近年来,人脸识别的研究和应用取得了长足的进步,但是在光照、表情、姿态、遮挡物(如眼镜)等非约束条件下,现有人脸识别系统的识别率和鲁棒性仍然不尽如人意。随着戴眼镜人群的增加,眼镜已经成为人脸图像中最常见的遮挡物,研究戴眼镜人脸识别问题既具有重要的现实意义,也可以1为其它遮挡物的研究提供借鉴。
针对戴眼镜人脸识别问题,常见的方法就是移除眼镜,然后再用无眼镜人脸图像进行识别,但该方法一直难以取得很好的进展。因眼镜的特殊性,有的研究人员将其看作人脸识别中遮挡问题,也有的研究人员将其看作通用人脸识别中的特例。虽然眼镜也是一种遮挡,但我们可以透过眼镜看到人脸的全貌,同时,被遮挡部分因镜面反光和镜面折射引起的变化与非遮挡区域也有很大的差异,所以它与一般的遮挡有很大不同。因此,既不能回避眼镜的存在,将通用的人脸识别方法直接应用于戴眼镜人脸识别问题中,也不能直接将其作为一般的遮挡进行处理。本文借助三维人脸形变模型,在扩充戴眼镜人脸样本库的基础上,分别基于不同的表示特征对戴眼镜人脸识别问题进行研究,取得了以下研究成果:
(1)建立了戴眼镜人脸虚拟样本库由于眼镜的存在,输入人脸图像和库中样本图像之间存在较大差异,导致识别性能降低。本文基于三维人脸形变模型和线性对象类的思想,研究了扩充特定人的戴眼镜人脸样本的方法,以使样本库中尽可能包含每个对象戴多种眼镜的图像,丰富人脸样本库。考虑到眼镜的可变性,难以穷举所有的眼镜种类,建立了18种眼镜来近似眼镜分布空间。实验结果证明了扩充虚拟样本库的有效性。
(2)提出了基于监督子空间的二维测地线判别投影方法由于戴眼镜人脸样本数据的有限性,导致输入的戴眼镜人脸图像与库中戴眼镜人脸图像之间具有很大的差异。为此,在分析戴眼镜和不戴眼镜人脸图像,以及戴不同眼镜人脸图像之间差异的基础上,分别提出了戴眼镜人脸图像的无监督测地线判别特征表示方法和有监督测地线判别特征表示方法。针对扩充后每类样本过多而带来的计算复杂度高的问题,根据人脸空间的非线性流形特性,提出了基于监督子空间的二维测地线判别投影方法。实验证明该方法可以在有效降维的同时保持识别性能。
(3)提出了基于广义LBP(Unified Local Binary Patterns,ULBP)特征的戴眼镜人脸识别算法眼镜对面部的影响是局部的,为提取对局部影响不敏感的面部特征,提出了基于ULBP算子的戴眼镜人脸表示方法。同时,针对ULBP算子只能提取单一尺度纹理特征的缺陷,定义了基于Gabor变换与ULBP算子的多尺度面部表示特征,通过融合不同尺度、方向的表示特征进一步增强了算法的表示分类能办。该表示方法不需要训练,因此其性能不依赖于样本库,具体很强的泛化能力。实验结果证明该人脸表示方法对戴眼镜人脸识别具有良好的性能。
(4)提出了基于稀疏Gabor特征的戴眼镜人脸特征表示方法由于在处理噪声和遮挡方面的优越性,基于稀疏表示的分类方法为人脸识别问题的研究提供了新思路。针对稀疏表示方法受图像配准影响大的问题,提出了基于稀疏Gabor特征的戴眼镜人脸表示方法及融合多个稀疏Gabor特征的分类方法。同时,针对同一对象不同样本之间的差异性,定义了Multi-SEMD距离度量方法表示样本与同类样本集之间的距离。最后通过实验结果证明该方法的有效性。