基于监督型Congealing的同时人脸规整化及人眼定位算法

摘要

人脸图像区别于其他图像的主要特点在于人脸图像上通常存在眼睛、鼻子、嘴等明显的语义特征，且这些特征之间的空间关系具有一定的规律，如何有效利用人脸图像的这些特点及其规律性是人脸识别技术中一个重要研究课题。人脸几何规整化技术通过寻求图像空间到一个标准人脸空间的变化来建立人脸语义特征之间的对应关系、消除或减小由于姿态、尺度、表情等变化所导致的外观改变，从而有效增强人脸识别系统的性能。本文提出一种新的基于监督型congealing技术的人脸几何规整化算法。Congealing技术是一种无监督人脸图像对齐技术，通过搜索一组使未规整化图片熵最小的仿射变换来达到图像对齐的目的，但该方法没有利用人脸图像特征，也需要一个耗时的离线学习过程。本文通过向系统提供少量已规整化的图像来改进原始congealing学习的上述问题，此外，我们将仿射变换参数的学习建立在眼睛位置基础上，使得所提算法能够在进行在线人脸规整化的同时学习人眼位置。在困难的LabeledFaces in the Wild人脸数据库上的实验表明，我们所提出规整化算法能够显著提高人脸识别算法的性能。