单样本快速人脸不变特征提取方法

摘要

本文提出一种快速人脸特征描述(FFD,fast facial descriptor)算法和基于权重的人脸图像相似度分数匹配策略,以解决加速鲁棒性特征(SURF,speed up robust features)在描述单样本人脸特征时出现的特征点分布不均匀和光照变化鲁棒性差的问题。首先通过重构积分图来增加位于细长边缘的特征点的数量;为了减少冗余特征,提出两幅训练图像对应特征点间的区别度概念,对训练样本中的特征点进行稀疏化;然后,根据人脸各区域对识别结果贡献度的不同对人脸各区域赋予不同权重,并根据加权计算人脸图像的相似度分数得出识别结果。在AR、Yale B和CMU PIE标准人脸数据库及真实身份证人脸库上进行了单样本人脸识别实验。结果表明,本文算法对具有光照、遮挡和表情变化的单样本人脸识别有很好的鲁棒性,耗时仅为0.042s;与目前典型的特征描述算法相比,本文算法的识别率最高可提升65%;虽然真实身份证人脸库中人脸图像受实际环境因素影响较大,但本文方法也可提高30%的识别率。