基于几何模型两阶段人脸识别方法研究.pdfVIP

基于几何模型的人脸识别

栓和

系，大学，新竹，

值编码为两个不同的值（1或0）。与LDP不同，LTrP

[5]被提出以通过使用参考像素象限中的四个四邻域模式

本文提出了一种新颖的两阶段人脸识别方法。第一阶段实

将两个不同值扩展为四个不同值。，一种新的模式

现了一种新特征，称为局部向量模式（LVP），并

描述符——局部向量模式（LocalVectorPattern，

结合加权机制，LVP用于计算输入人脸图像与每个人

LVP）[6]被进一步提出，其通过将各种成对的向量方向

脸图像之间的距离，从而可以确定M个可能的人脸候选。

编码为面部描述符以增强微图案的结构，并结合比较空

然后，第二阶段采用一种新颖的特征点双边识别（BR）

间转换（CST）编码方案，LVP能够在特征长度和特征

方法，从这M个候选中生成最终的人脸识别结果。双边识

冗余方面获得更好的编码结果。

别包含前向识别和后向识别，每次识别都使用其参考图像

中检测到的特征点，并在其匹配图像中搜索它们各自的对

应特征点。检测到的特征点及其匹配点的几何模型分别被本文提出了一种两阶段人脸识别方法。第一阶段使

构建并进行比较。通过将前向识别和后向识别的评分相加，用LVP特征来计算输入人脸图像与每张人脸图像之

得到一个双边识别评分，并用于生成最终的识别结果。在间的距离，并获得可能的人脸候选。第二阶段使用特征

著名的Feret人脸数据库上的实验表明，所算法产点双边识别（BR）方法生成最终人脸识别结果。

生了优异的识别结果，并且比另外两种著名的人脸识别方

法表现得更好。2.人脸识别结构ION

本节介绍了所人脸识别方法的整体处理结构（如

图1所示）。基本上，图像预处理（IP）模块的目标是从

输入图像中检测并裁剪出人脸。第一阶段识别是通过与

索引术语——人脸识别；几何模型。

LVP特征匹配来获取可能的人脸候选。然后，通过特征

1.引言点BR模块，第二阶段识别生成最终识别结果。由于IP不

在人脸识别中，近年来提出了许多方法，其研究重点主是本文的主要贡献，因此这里不做详细讨论。

要集中在如何在不同的变化条件下（如人脸方向、光照和

面部表情）提高识别准确率。在各种研究方向中，特征提

取起着重要作用，因为如果能够提取出具有高度判别能力

的良好特征，则识别率可以得到显著提高。，一些局

部描述符被提出，并且取得了良好的识别性能，有以

下：（1）局部特征可以反映人脸图像的细

节判别信息；（2）局部特征通常对光照变化具有鲁棒性；

（3）基于分块的局部特征直方图对于不同的变化因素相

对稳定。LBP[1,2]通过每个像素与其邻域像素的关系对

微图案进行编码，并可通过统计直方图建模以表示潜在

的纹理信息。POEM[3]在方向梯度上应用基于自相似图1.所人