人脸识别中若干关键问题研究.pdf

摘要 摘要 自动人脸识别(AFR)研究试图赋予计算机根据面孔辨别人物身份的能力。该研究 具有重要的科学意义和巨大的应用价值。从学科建设与发展的角度看，AFR作为一个 科学问题，是一个典型的图像模式分析、理解与分类计算问题，涉及模式识别，计算机 视觉，智能人机交互，图形学，认知科学等多个学科。同时，作为生物特征识别关键技 术之一的AFR技术则在公共安全、信息安全、金融等领域具有潜在的应用前景。 经过三十多年的发展，AFR技术取得了长足的进步，目前最好的AFR系统在理想 情况下已经能够取得可以接受的识别性能。但测试和实践经验表明：非理想条件下的人 脸识别技术还远未成熟!要开发出真正鲁棒、实用的AFR应用系统还需要解决大量的 关键问题，尤其需要研究：(1)作为识别必要前提条件的面部关键特征精确定位问题； (2)高效的人脸描述特征及其相应的高精度核心识别算法；(3)如何提高AFR系统对 不可避免的配准错误的鲁棒性问题。另外，对开发鲁棒实用的AFR系统而言，研究应 用系统设计层面的诸多工程技术问题同样至关重要。以设计开发鲁棒、实用的AFR系 统为目标，本文重点探讨了人脸识别中的上述关键问题。本论文的主要贡献总结如下： 1．全面综述了人脸识别研究的历史和现状 人脸识别研究国内外综述文章最晚也是2000年发表的，实际综述内容大多是1999 年前的文献情况。本文给出的AFR综述首先探讨了AFR的一般计算模型，并按照AFR 发展特点，将AFR研究划分为三个历史阶段，对每个阶段研究的特点以及代表性方法 进行了较为详尽的总结，并从面部特征自动定位、人脸表示模型、分类和识别算法三个 角度对人脸识别领域的主要方法进行了分类整理。在此基础上，结合近年来主要的人脸 识别评测，对人脸识别研究的现状进行了阐述。此外，还总结了现有的主要商业人脸识 别系统以及主要的公共人脸图像库的情况。最后讨论了人脸识别领域目前仍然面临的主 要开放问题并简单分析了AFR领域的主要技术趋势。 2．研究了特征精确配准问题，提出了局部纹理约束的主动表观模型LTC-AAM 面部特征精确配准是鲁棒实用的人脸识别系统的基本前提。主动形状模型(ASM) 和主动表观模型(AAM)是目前解决该问题的主流方法。在对它们的优缺点进行综合 分析的基础上，本文对二者进行集成，提出了一种局部纹理约束的主动表观模型 轮廓点采用了边缘增强的局部纹理匹配模型；(2)在ASM形状调整时引入了AAM中 度量当前纹理与模型纹理匹配度的目标函数，从而将ASM形状参数调整规范到了与 理约束以及启发式的参数优化过程，从而在较大程度上继承了二者的优势。实验表明， LTC-AAM能够更精确的定位面部关键特征，为后续的入脸识别打下了良好的配准基础。 3．研究了Gabor特征人脸描述方法，提出了一种AdaGaDA人脸识别新方法 良好的人脸表示是鲁棒高效的人脸识别算法的关键因素。Gabor小波因具有优良的 空间局部性和方向选择性，能够提取图像局部区域内多个方向的空间频率和局部结构特 人脸识别中若干关键问题的研究——摘要 的定位问题，其速度和精度难以提高；而GFC对高维Gabor特征直接简单下采样的策 略尽管避免了特征定位难题，但却遗漏了大量判别特征。针对这一问题，本文考虑了如 型人脸图像库上的对比实验表明：AdaGaDA方法不但可以有效降低Gabor特征维数， 而且识别精度也比传统方法有了较大提高。 4．首次提出并系统研究了AFR中的“误配准灾难”问题，给出了AFR算法误配准鲁 棒性能的量化评价方法，提出了一种对误配准进行强化训练的E-Fisherface方法，同时 还分析了AdaGaDA等基于Gabor特征的AFR方法的误配准鲁棒性 本文首次系统研究了面部特征配准精度对人脸识别算法性能的影响问题，发现 Fisherface的识别率会随着误配准的增大而急剧下降——本文称这一现象为“误配准灾 难”(coMA)问题。在分析产生原因的基础上，探讨了COMA问题的四类解决方案： 精确再配准方法、不变特征方法、误配准学习方法和误配准不变距离度量方法。为了量 化比较不同识别算法对误配准的鲁棒性，本文提出了一套识别算法误配准鲁棒性能量化 评估方法。针对Fisherface的“误配准灾难”问题，提出了一种对误配准进行强化训练 表明：Gabor特征比单纯的灰度特征具有更强的鲁棒性；对误配准进行强化训练的 E—Fisherface方