人臉識(shí)別核心算法技術(shù)

人臉識(shí)別核心算法技術(shù)在檢測到人臉并定位面部關(guān)鍵特征點(diǎn)之后，主要人臉區(qū)域就可以被裁剪出來，經(jīng)過預(yù)處理之后，饋入后端識(shí)別算法。1、在檢測到人臉并定位面部關(guān)鍵特征點(diǎn)之后，主要人臉區(qū)域就可以被裁剪出來，經(jīng)過預(yù)處理之后，饋入后端識(shí)別算法。識(shí)別算法要完成人臉特征提取，并與庫存人臉進(jìn)展比對，完成最終分類。我們在這方面主要工作包括：·基于LGBP人臉識(shí)別方法問題：統(tǒng)計(jì)學(xué)習(xí)目前已經(jīng)成為人臉識(shí)別領(lǐng)域主流方法，但實(shí)踐說明，基于統(tǒng)計(jì)學(xué)習(xí)方法往往會(huì)存在“推廣能力弱〞問題，尤其在待識(shí)別圖像“屬性〞未知情況下，更難以確定采用什么樣訓(xùn)練圖像來訓(xùn)練人臉模型。鑒于此，在對統(tǒng)計(jì)學(xué)習(xí)方法進(jìn)展研究同時(shí)，我們還考慮了非統(tǒng)計(jì)模式識(shí)別一類方法。思路：對于給定人臉圖像，LGBP方法首先將其與多個(gè)不同尺度和方向Gabor濾波器卷積〔卷積結(jié)果稱為Gabor特征圖譜〕獲得多分辨率變換圖像。然后將每個(gè)Gabor特征圖譜劃分成假設(shè)干互不相交局部空間區(qū)域，對每個(gè)區(qū)域提取局部鄰域像素亮度變化模式，并在每個(gè)局部空間區(qū)域內(nèi)提取這些變化模式空間區(qū)域直方圖，所有Gabor特征圖譜、所有區(qū)域直方圖串接為一高維特征直方圖來編碼人臉圖像。并通過直方圖之間相似度匹配技術(shù)〔如直方圖交運(yùn)算〕來實(shí)現(xiàn)最終人臉識(shí)別。在FERET四個(gè)人臉圖像測試集合上與FERET97結(jié)果比照情況見下表。由此可見，該方法具有良好識(shí)別性能。而且LGBP方法具有計(jì)算速度快、無需大樣本學(xué)習(xí)、推廣能力強(qiáng)優(yōu)點(diǎn)。表.LGBP方法與FERET'97最正確結(jié)果比照情況·基于AdaBoostGabor特征選擇及判別分析方法問題：人臉描述是人臉識(shí)別核心問題之一，人臉識(shí)別研究實(shí)踐說明：在人臉三維形狀信息難以準(zhǔn)確獲取條件下，從圖像數(shù)據(jù)中提取多方向、多尺度Gabor特征是一種適宜選擇。使用Gabor特征進(jìn)展人臉識(shí)別典型方法包括彈性圖匹配方法〔EGM〕和Gabor特征判別分類法〔GFC〕。EGM在實(shí)用中需要解決關(guān)鍵特征點(diǎn)定位問題，而且其速度也很難提高；而GFC那么直接對下采樣Gabor特征用PCA降維并進(jìn)展判別分析，盡管這防止了準(zhǔn)確定位關(guān)鍵特征點(diǎn)難題，但下采樣特征維數(shù)仍然偏高，而且簡單下采樣策略很可能遺漏了非常多有用特征。摘要：針對上述問題，我們考慮如何對Gabor特征進(jìn)展有效降維，將目前受到極大關(guān)注AdaBoost算法創(chuàng)新性應(yīng)用于Gabor特征選擇上來，用于提取對識(shí)別最有利特征〔我們稱這些選擇出來Gabor特征為AdaGabor特征〕，并最終通過對AdaGabor特征判別分析實(shí)現(xiàn)識(shí)別〔稱該方法為AGFC識(shí)別方法〕。在CAS-PEAL和FERET人臉圖像庫上比照實(shí)驗(yàn)說明：AGFC方法不但可以大大降低Gabor特征維數(shù)從而可以更加有效地防止“維數(shù)災(zāi)難問題〞，降低了計(jì)算復(fù)雜度，同時(shí)識(shí)別精度也有了較大提高。將AGFC與EGM，GFC進(jìn)一步比擬可以看出：無論是EGM還是GFC，均是主觀選擇假設(shè)干面部關(guān)鍵特征點(diǎn)提取人臉特征表示，而我們提出AGFC方法那么是通過機(jī)器學(xué)習(xí)方法自動(dòng)選擇那些對區(qū)分不同人臉具有關(guān)鍵作用Gabor特征。參見以下圖所示三者之間區(qū)別與聯(lián)系。三種不同人臉建模方法比擬示意圖·基于SVKernel判別分析方法sv-KFD摘要：支持向量機(jī)〔SVM〕和KernelFisher分析是利用kernel方法解決線性不可分問題兩種不同途徑，我們將二者進(jìn)展了有機(jī)結(jié)合。我們首先證明了SVM最優(yōu)分類面法向量在基于支持向量類內(nèi)散度矩陣前提下具有零空間性質(zhì)，基于此定義了核化決策邊界特征矩陣〔KernelizedDecisionBoundaryFeatureMatrix，簡寫為KDBFM〕，最后利用基于零空間KernelFisher方法計(jì)算投影空間。我們還進(jìn)一步提出了融合類均值向量差及KDBFM來構(gòu)建擴(kuò)展決策邊界特征矩陣〔EKDBFM〕方法，并把這兩種方法成功地應(yīng)用到了人臉識(shí)別領(lǐng)域，在FERET和CAS-PEAL數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果說明該方法比傳統(tǒng)人臉識(shí)別算法具有更好識(shí)別性能?！せ谔囟ㄈ四樧涌臻g人臉識(shí)別方法問題：Eigenface是人臉識(shí)別領(lǐng)域最著名算法之一，本質(zhì)上是通過PCA來求取人臉圖像分布線性子空間，該空間從最正確重構(gòu)角度反映了所有人臉圖像分布共性特征，但對識(shí)別而言，這樣特征卻未必有利于識(shí)別，識(shí)別任務(wù)需要是最大可能區(qū)分不同人臉特征。摘要：“特征臉〞方法中所有人共有一個(gè)人臉子空間，而我們方法那么為每一個(gè)體人臉建立一個(gè)該個(gè)體對象所私有人臉子空間，從而不但能夠更好描述不同個(gè)體人臉之間差異性，而且最大可能地?cái)P棄了對識(shí)別不利類內(nèi)差異性和噪聲，因而比傳統(tǒng)“特征臉?biāo)惴è暰哂懈门袆e能力。另外，針對每個(gè)待識(shí)別個(gè)體只有單一訓(xùn)練樣本人臉識(shí)別問題，我們提出了一種基于單一樣本生成多個(gè)訓(xùn)練樣本技術(shù)，從而使得需要多個(gè)訓(xùn)練樣本個(gè)體人臉子空間方法可以適用于單訓(xùn)練樣本人臉識(shí)別問題。在YaleFaceDatabaseB人臉庫比照實(shí)驗(yàn)也說明我們提出方法比傳統(tǒng)特征臉方法、模板匹配方法對表情、光照、和一定范圍內(nèi)姿態(tài)變化具有更優(yōu)識(shí)別性能。2、人體面貌識(shí)別技術(shù)包含三個(gè)局部：〔1〕人體面貌檢測面貌檢測是指在動(dòng)態(tài)場景與復(fù)雜背景中判斷是否存在面像，并別離出這種面像。一般有以下幾種方法：①參考模板法首先設(shè)計(jì)一個(gè)或數(shù)個(gè)標(biāo)準(zhǔn)人臉模板，然后計(jì)算測試采集樣品與標(biāo)準(zhǔn)模板之間匹配程度，并通過閾值來判斷是否存在人臉；②人臉規(guī)那么法由于人臉具有一定構(gòu)造分布特征，所謂人臉規(guī)那么方法即提取這些特征生成相應(yīng)規(guī)那么以判斷測試樣品是否包含人臉；③樣品學(xué)習(xí)法這種方法即采用模式識(shí)別中人工神經(jīng)網(wǎng)絡(luò)方法，即通過對面像樣品集和非面像樣品集學(xué)習(xí)產(chǎn)生分類器；④膚色模型法這種方法是依據(jù)面貌膚色在色彩空間中分布相對集中規(guī)律來進(jìn)展檢測。⑤特征子臉法這種方法是將所有面像集合視為一個(gè)面像子空間，并基于檢測樣品與其在子孔間投影之間距離判斷是否存在面像。值得提出是，上述5種方法在實(shí)際檢測系統(tǒng)中也可綜合采用?！?〕人體面貌跟蹤面貌跟蹤是指對被檢測到面貌進(jìn)展動(dòng)態(tài)目標(biāo)跟蹤。具體采用基于模型方法或基于運(yùn)動(dòng)與模型相結(jié)合方法。此外，利用膚色模型跟蹤也不失為一種簡單而有效手段?！?〕人體面貌比對面貌比對是對被檢測到面貌像進(jìn)展身份確認(rèn)或在面像庫中進(jìn)展目標(biāo)搜索。這實(shí)際上就是說，將采樣到面像與庫存面像依次進(jìn)展比對，并找出最正確匹配對象。所以，面像描述決定了面像識(shí)別具體方法與性能。目前主要采用特征向量與面紋模板兩種描述方法：①特征向量法該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓大小、位置、距離等屬性，然后再計(jì)算出它們幾何特征量，而這些特征量形成一描述該面像特征向量。②面紋模板法該方法是在庫中存貯假設(shè)干標(biāo)準(zhǔn)面像模板或面像器官模板，在進(jìn)展比對時(shí)，將采樣面像所有象素與庫中所有模板采用歸一化相關(guān)量度量進(jìn)展匹配。此外，還有采用模式識(shí)別自相關(guān)網(wǎng)絡(luò)或特征與模板相結(jié)合方法。人體面貌識(shí)別技術(shù)核心實(shí)際為“局部人體特征分析〞和“圖形/神經(jīng)識(shí)別算法。〞這種算法是利用人體面部各器官及特征部位方法。如對應(yīng)幾何關(guān)系多數(shù)據(jù)形成識(shí)別參數(shù)與數(shù)據(jù)庫中所有原始參數(shù)進(jìn)展比擬、判斷與確認(rèn)。一般要求判斷時(shí)間低于1秒。3、人體面貌識(shí)別過程一般分三步：〔1〕首先建立人體面貌面像檔案。即用攝像機(jī)采集單位人員人體面貌面像文件或取他們照片形成面像文件，并將這些面像文件生成面紋〔Faceprint〕編碼貯存起來。〔2〕獲取當(dāng)前人體面像即用攝像機(jī)捕捉當(dāng)前出入人員面像，或取照片輸入，并將當(dāng)前面像文件生成面紋編碼?！?〕用當(dāng)前面紋編碼與