基于移动平台的快速相似脸检索

《基于移动平台的快速相似脸检索》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2015年2月第41卷第2期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsFebruary2015V01．41No．2http：／／bhxb．buaa．edu．cnjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001-5965．2014．0460基于移动平台的快速相似脸检索邓健康，杨静，王蒙，刘青山+(南京信息工程大学信息与控制学院，南京210044)摘要：主要研究了移动平台上的相似脸检索问题．对于移动端，首先采用基于稀疏约束的级联回归模型进行精确的人脸配准，该方法不但能

2、够筛选鲁棒的特征，而且可以将模型的大小压缩到原来的5％左右．接着，在某些关键点周围提取高维的纹理特征，并通过稀疏投影降维．对于服务器端，采用级联形状和纹理特征的方式进行高效的相似脸检索．首先基于稀疏形状重构的方式筛选脸型相似的人脸，然后基于稀疏纹理重构的方法确定相似脸．在三星Note3智能手机上，人脸图像的配准时间约10ms．在扩展的LFW(LabeledFaceinWild)数据库上，相似脸检索时间约1．5s，整个模型大小约5．4MB．大量实验结果表明，配准方法精度高，速度快，模型小；相似脸检索的方法效率高，检索结果更符合人们的视觉感受．关键词：移动平台；人脸配准；级联回归；

3、相似脸检索；稀疏约束中图分类号：TP391．4文献标识码：A文章编号：1001．5965(2015)02-0323-08随着手机、平板电脑等移动设备计算与存储性能的提升，移动设备的智能化也成了学术界与工业界的研究热点．移动智能终端上图像传感器的改进也给移动平台上的视觉应用提供了更好的硬件条件支撑⋯．同时，随着人脸分析技术的进步，移动终端的人脸识别、表情识别、属性分析等移动应用在人们的生活中已经崭露头角．另外，基于内容的图像信息检索技术也逐渐成熟，各大搜索引擎也加人了“以图搜图”的功能．人脸识别技术和基于内容的信息检索技术的进步，使得自动化的相似脸检索成为可能．相似脸检索在娱乐搜

4、索、犯罪监视等方面具有很高的应用价值．本文基于移动平台在大规模人脸数据库上实现快速的相似脸检索．然而，移动平台的计算和存储能力毕竟有限．所以，如何设计时间复杂度和空间复杂度低的算法成为解决移动平台上相似脸检索的关键问题．基于精确的人脸配准，建立了级联形状和纹理特征的高效的相似脸检索模型，核心技术包括人脸配准、人脸特征提取与压缩、检索算法．人脸配准是在一幅人脸图像中自动地定位出人脸各个器官的准确位置以及人脸的外轮廓，是人脸图像处理与分析的基础与前提，不精确的关键点定位往往会引起“误配准灾难”¨1．近年来，国内外学者提出了各种人脸配准方法，大体上可以分为基于参数化模型的方法Ⅲo和基

5、于回归的方法¨‘1“．基于级联回归的方法在自然条件下的人脸库上配准精度高，且模型简单、速度快，备受研究者的关注．该方法主要依赖局部描述子稳健的性能，通过级联的弱回归器拟合复杂的非线性映射，能够有效定位人脸关键点的坐标．文献[10]采用快速SIFT(ScareInvariantFeatureTrans—form)特征，通过最dx---乘回归实现关键点快速定位．文献[11]通过利用二值特征，进一步提高了收稿13期：2014-04-28；录用日期：2014-08．21；网络出版时间：2014—10-2119：44网络出版地址：WWW．cnki．net／kcms／doi／lO．1370

6、0／j．bh．1001-5965．2014．0460．html基金项目：国家自然科学基金资助项目(61272223，61300162)；江苏省自然科学基金资助项目(201204234．201210296)作者简介：邓健康(1990一)，男，江苏南通人，硕士生，deng_jiankang@126．COrn+通讯作者：刘青山(1975一)，男，安徽合肥人，教授，qsliu@nuist．edu．ca，主要研究方向为计算机视觉．引用格式：邓健康，杨静，I蒙，等．基于移动平台的快速相似脸检索CJl．北京航空航天大学学摄，2015．41(2)：323．330÷DengJK．YangJ，Wa

7、ngM，etat．FastsimilarfaceretrievalbasedODmobileplatfomlj3．如umalofBeijingUniversityofAero—nauticsandAstronautics，2015，41(2)：323—330(inChinese)．324北京航空航天大学学报2015年配准速度．文献[12]通过显式的回归遮挡信息，增强了模型在局部遮挡情况下的鲁棒性．在级联回归模型中引入稀疏约束，可以增强模型的鲁棒性，同时压缩模型的存储空间．文献[13]指出了高