照片/素描及跨年龄阶段异质人脸的识别研究

摘要

在机器视觉、模式识别及图像处理中，人脸识别一直是最受关注的研究之一，其应用领域很广泛，如安全验证、身份鉴别、监控系统、信用卡验证、人机交互控制、证件核对、通道控制等。近年来，异质人脸识别作为人脸识别中特殊的一类也得到了广泛关注，其研究主要涉及照片与素描图像、近/热红外与可见光图像、照片与视频图像，以及不同年龄下的人脸图像等方面。本文主要对异质人脸识别中的照片与素描，以及不同年龄下的人脸图像进行了研究。照片与素描人脸识别主要运用在案件侦破、安全保卫中，尤其是在案件侦破中可以帮助调查者定位或者缩小嫌疑人的范围。不同年龄下的人脸图像研究主要应用在公安刑侦、失踪人口调查等方面。
　　在照片与素描的异质人脸识别中，本文研究了两种识别方法。一种是照片与素描转换之后再进行识别;首先基于主特征提取的方法把照片转化为伪素描，然后再运用传统的方法对素描与伪素描进行识别。该算法将照片图像变换为素描图像时，更加合理的利用了照片的有效特征，减少了素描和照片图像之间的差别，改善了匹配效果，并且减少了识别时间。另一种是不进行转换而是直接对照片和素描进行识别;本算法首先使用方向梯度直方图(Histogram of Oriented Gradient，HOG)特征描述符来表示素描和照片人脸，然后对特征进行分块后再使用零线性判别空间(Null Space-based LDA，NLDA)降维的方法得到判别空间，最后在此空间中进行素描的识别验证。HOG特征描述符能够消除素描和照片之间的类内变化，同时又能够保留足够的类内可识别信息。
　　在不同年龄下（即跨年龄）的异质人脸识别中，该方向的研究主要有三个方面:人脸年龄模拟，人脸年龄估计及人脸验证。本文主要研究跨年龄的人脸验证，其算法为:首先提取在老化过程中比较稳定的HOG特征，然后将图像对的特征向量进行差空间运算得到类内差和类间差，进而把类内差作为正样本和类间差作为负样本，然后把样本送入支持向量机(Support Vector Machine，SVM)分类器中进行分类，进而判断出该对人脸是否属于同一个人。
　　本文的主要工作是在现有的照片/素描及跨年龄的异质人脸算法基础上进行了一些探索和尝试。实验结果表明，本文的算法有较优的稳定性和准确性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 课题研究进展与现状

1．2．1 人脸识别的研究进展与现状

1．2．2 异质人脸识别的研究进展与现状

1．2．3 异质人脸识别目前存在的问题

1．3 本文的主要工作及章节安排

1．3．1 论文研究的主要内容

1．3．2 章节安排

第二章 素描／照片及跨年龄的人脸图像预处理

2．1 人脸图像滤波

2．2 人脸图像倾斜调整

2．3 人脸图像尺度归一化

2．4 人脸图像直方图均衡化

2．5 本章小结

第三章 基于HOG和NLDA的素描人脸识别

3．1 人脸照片／素描转换

3．1．1 人脸照片／素描的合成

3．1．2 人脸素描识别

3．1．3 实验结果比较

3．2 人脸照片／素描直接识别

3．2．1 HOG特征简介

3．2．2 LBP特征简介

3．2．2 NLDA数据降维

3．2．3 素描识别的实验整体过程

3．2．4 几种方法的实验比较

3．3 本章小结

第四章 基于HOG+SVM的跨年龄异质人脸验证

4．1 跨年龄异质人脸验证整体过程简介

4．2 实验样本的选取

4．2．1 正负样本的选取

4．2．2 HOG特征差空间

4．3 SVM原理及分类器训练

4．3．1 支持向量机原理

4．3．2 分类器训练

4．4 实验结果验证

4．4．1 ROC曲线简介

4．4．2 实验结果对比

4．5 本章小结

第五章 总结与展望

5．1 本文工作总结

5．2 后续工作展望

参考文献

致谢

攻读学位期间发表的学术论文