基于人脸局部信息生物特征识别若干问题研究

摘要

随着计算机相关技术的不断发展和网络技术的普及应用，越来越多的场合需要对人的身份进行准确的识别验证或对人的行为做出预判。因此人体生物特征识别技术的应用需求越来越多，而且对识别的精准度要求也越来越高。 在人脸识别、虹膜识别、指纹识别、语音识别、DNA识别等众多成功应用的生物特征识别技术中，人脸识别具有其它生物识别所没有的独特优势：人脸图像采集简单方便、不受设备距离约束、不需采集对象主动配合、采集环境自然等，而且人脸能同时提供一个人的身份、种族、性别、年龄、情绪等丰富的个体信息，因此人脸识别在现实生活应用中市场需求更广泛、发展前景更广大。所以人脸识别的理论基础研究和与其相关的应用技术研究一直是模式识别领域的研究热点，越来越受到人们的关注。 在关注人脸识别技术的应用和研究发展基础上，针对人脸识别技术的几个关键问题，本文的主要成果和贡献有以下几个方面： 1.统计分析了人脸五官之间的比例关系。为了探索人脸中五官特征是否存在一定的联系，本文对人脸的关键点进行了定位，然后分别计算并统计了眼睛宽度、鼻翼宽度、嘴角宽度和两鬓宽度之间的比例关系，发现每个人的眼睛和鼻翼、嘴巴以及脸宽的尺寸比例是相对比较固定的，即每个人的眼睛、鼻子、嘴巴大小和脸型是成一定的比例关系的。这对多姿态人脸识别、部分遮挡人脸识别、光照影响、整容整形影响等环境下的人脸识别技术有一定的指导和启示意义。 2.提出了一种新的基于人脸五官特征辅助的人脸识别算法。针对人脸五官局部信息在人脸中的显著特点和深度学习方法在视觉感知系统中的明显优势，本文将从眼睛、鼻子、嘴巴区域提取的纹理特征和深度学习特征进行融合，把所提取的五官纹理特征和深度学习特征一起送入卷积神经网络的目标函数层，使得深度学习特征能够自适应地调整以便更好地利用五官纹理特征信息，进而构建更有效的人脸特征，识别效果提升比较明显。 3.提出了一种新型的基于人脸五官辅助的深度学习年龄估计方法。在跨时间段的人脸识别环境中，对识别效果影响最大的是年龄因素，近年来基于人脸的年龄估计研究开始越来越多地受到广大研究者的关注。本文将根据面部关键点生成的局部对齐的人脸图像块作为卷积神经网络的输入，将传统的人脸五官区域特征提取加分类器设计方法和基于深层卷积神经网络的端到端分类方法进行融合，直接从图像的像素点评估年龄解决年龄估计问题，增强了系统模型的泛化能力，采用多尺度分析网络结构极大地提高了性能，估计效果提升比较明显。 4.提出基于Gabor核Fisher判别分析的鼻子区域识别个体身份的方法。本文对鼻子的生理结构进行了剖析并分析指出，人的脸部区域内受表情、年龄、胖瘦、化妆、遮挡等因素影响最小的是鼻子区域，据此提出利用鼻子区域识别个体身份，同时对提取鼻子特征的Gabor参数进行了简化，进一步在不同数据库上对鼻子区域的识别效果进行了实验分析，结果表明，在表情和姿态变化较大的情况下，鼻子区域的识别效果要比整个人脸的识别效果好，这对受表情变化、姿态变化以及年龄变化影响的环境下人脸识别性能的提升研究有一定的指导和启示意义。

目录

第一个书签之前