复杂背景下人脸的鲁棒识别.pdf

《复杂背景下人脸的鲁棒识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第卷第期中国激光，年月，文章编号：（）复杂背景下人脸的鲁棒识别丁嵘，苏光大，林行刚（清华大学电子工程系，北京）摘要研究了复杂背景下人脸的鲁棒识别，比较了两种常用的人脸识别算法特征脸和弹性匹配方法的性能，在弹性匹配算法的基础上提出了利用关键点信息的改进算法，并在一个真实人脸库上进行了测试。关键词信息光学；人脸识别；弹性匹配；特征脸；关键点中图分类号文献标识码，，（，，，），，，；；；；引言经典的特征脸算法和弹性匹配算法及两者的分析比较计算机人脸识别是由计算机分析人脸图像，从中提取出有效的识别信息，用来辨认身份的一门技

2、变换（变换，或称特征向量术。人脸识别技术是模式识别的一个重要分支，并变换）是图像压缩的最优正交变换。高维的图象空有着很广泛的应用背景，可以应用于公安系统的罪间经过变换后得到一组新的正交基，保留其中犯身份识别、驾驶执照及护照等证件照片与实际持重要的正交基，由这些基可以张成低维线性空间。证人的核对、银行及海关的监控系统及一些保密单如果假设人脸在这些低维线性空间的投影具有可分位的自动门卫系统等。人脸识别技术的研究开始于性，就可以将这些投影用作识别的特征矢量，这就是世纪年代末年代初，早期的识别方法是基特征脸方法的基本思想。

3、若将所有子空间的正交基［］于部件的。近几年来，基于整体的方法，特别是排列成图像阵列，则可以看出这些正交基呈现人脸［］特征脸（）方法和弹性匹配（的形状，因此这些正交基也被称作特征脸，这也是这［］）方法得到了广泛的重视。种识别方法名称的来由。与较大特征值对应的一些复杂背景下的人脸鲁棒识别一直是模式识别研正交基（也称主分量）能够表达人脸的大体形状，一究的难点。由于要同时考虑背景、光照、表情、视角般采用前个主分量作为新的正交空间的正交基。等多种类内变化，很难达到很高的识别率。本文分在得到一系列特征脸以后，对于待识别人脸，将

4、它投析比较了特征脸和弹性匹配在此类应用中的性能，影到新的维人脸空间，得到一投影向量，用它来代并提出了一种利用关键点的位置信息对弹性匹配进表待识别人脸，这时候人脸识别问题就转化为维行约束，以减少背景干扰影响的改进算法。空间的坐标系数矢量的分类问题。收稿日期：；收到修改稿日期：基金项目：“人脸识别查询技术”国家重点攻关项目（编号）和清华大学校基金资助课题。作者简介：丁嵘（—），男，江苏省泰兴市人，清华大学电子工程系在读博士，硕士期间主要研究多媒体数据的压缩，目前主要研究方向为人脸识别。：中国激光卷弹性匹配法在二维空间中

5、定义了一种对于通常的差异是不同人的人脸间存在的类间差异还是同一的人脸变形具有一定的不变性的距离，并采用属性人不同人脸间由于各种原因（如视角、表情、光照）拓扑图来代表人脸。属性拓扑图是一平面网格，网而存在的类内差异，因此特征脸的方法不适合用于格的任一顶点均包含一特征向量，用来记录人脸在鲁棒人脸识别。弹性匹配算法从理论上克服了特征该顶点位置附近的信息。假设是定义在已知库脸算法的大部分缺陷。部分原因是拓扑图的顶点采中某人脸像上的人脸模板的二维网格，则该人脸像用了小波变换特征，它对于光线、变换、尺寸和角度上网格节点附近的信

6、息可以用特征向量来代具有一定的不变性。另一个重要原因是弹性匹配能表。可以有多种选择，最常用的是特征，即够比较两幅人脸的空间结构，从而能够容忍表情的中心频率不同，带宽不同，方向不同的多个二维变化，并在一定程度上能够容忍视角的变化。滤波器和该人脸像的卷积在节点处的值。同样，在待识别人脸图像上，也定义一个二维网格上的弹性匹配算法在复杂背景应用中的向量场。其中是和一样类型的特征向量，只不缺陷及使用关键点信息的改进算法过是定义在更大且更细密的二维网格上的。在弹理论上，弹性匹配算法对各种小的变形有比较性匹配中，库中人脸和待识人

7、脸间的匹配转化为大的鲁棒性，因此被认为适用于人脸的鲁棒识别。和之间的匹配，也就是寻找中的各节点在中但在出现比较强的背景干扰时却很有可能出现错误的最佳匹配节点。最佳的匹配应该同时考虑到特征匹配。经过仔细分析，认为这种错误的出现和弹性的匹配和局部几何位置的匹配。使用如下的匹配度匹配是一种基于整体的方法有很大关系。虽然通常函数来评价待识别人脸图像的向量场和库中已知人认为基于整个人脸的分析要优于基于部件的分析，脸的向量场之间的匹配程度［］理由是前者保留了更多的信息，但是在另一方〈，〉面，由于把整个人脸图像作为一个模式，那么

8、各种整（）!体和局部的干扰都会对人脸识别有很大的影响，如（）"!［（）（）］［（）（）］何有效地去掉这些干扰因素是个很困难的问题，处，其中的（）表示网格中节点在库中人脸上的理得不好，会导致有用的识别信息被淹没在大量的坐标，（）表示网格中节点在待识别人脸上的冗余信息中而失去识别的意义。相反基于部件的方〈，〉法就能比较好地解决这个问题，因为部件在人脸内坐标。（）