可變光照和可變姿態(tài)條件下的人臉圖像識(shí)別研究.pdf

1、自動(dòng)人臉識(shí)別在公共安全、智能監(jiān)控、數(shù)字身份認(rèn)證、電子商務(wù)、多媒體和數(shù)字娛樂(lè)等領(lǐng)域具有巨大的應(yīng)用價(jià)值，同時(shí)，人臉識(shí)別的研究涉及多個(gè)學(xué)科，具有重要的理論研究?jī)r(jià)值，受到各國(guó)政府、科研單位以及軍事、安全、情報(bào)部門(mén)的廣泛關(guān)注和高度重視。經(jīng)過(guò)幾十年的研究，人臉識(shí)別取得了長(zhǎng)足的發(fā)展與進(jìn)步，目前在控制和配合條件下，人臉圖像識(shí)別可以取得比較高的識(shí)別率，但是在非控制條件和非配合條件下的人臉圖像識(shí)別仍然是一個(gè)極具挑戰(zhàn)性的課題，當(dāng)人臉圖像中光照和人臉姿態(tài)變化時(shí)

2、，識(shí)別率急劇下降。 本文對(duì)人臉識(shí)別中光照變化的影響進(jìn)行研究，在對(duì)當(dāng)前人臉識(shí)別技術(shù)中解決光照變化問(wèn)題的方法進(jìn)行分析的基礎(chǔ)上，提出了一種人臉圖像的低維光照空間表示方法，在此基礎(chǔ)上進(jìn)行可變光照下的人臉識(shí)別。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，9個(gè)基本點(diǎn)光源可以近似表示人臉識(shí)別應(yīng)用中幾乎所有的光照條件，在這9個(gè)基本光源照射下的9幅人臉基圖像構(gòu)成了低維人臉光照空間，它可以表示不同光照條件下的人臉圖像，結(jié)合光照比圖像方法，可以生成不同光照下的虛擬人臉圖像。將這些

3、虛擬人臉圖像作為模板圖像，可以進(jìn)行不同光照下的人臉圖像識(shí)別。本文提出的低維光照空間的主要優(yōu)點(diǎn)是：通過(guò)這個(gè)光照空間，不僅能夠由輸入圖像估計(jì)其光照參數(shù)，而且能夠由給定的光照條件生成虛擬的人臉圖像；利用某個(gè)特定人臉的圖像建立的光照空間，可以應(yīng)用于任意一張人臉，生成其在不同光照下的虛擬人臉圖像。低維光照空間表示的思想雖然是以人臉為對(duì)象提出的，但可以推廣應(yīng)用于其他的對(duì)象。 本文對(duì)人臉識(shí)別中姿態(tài)變化的影響進(jìn)行研究，提出基于單張正面照片的三維

4、人臉模型合成方法，利用合成的三維人臉模型，生成不同姿態(tài)下的虛擬人臉圖像，從而進(jìn)行可變姿態(tài)下的人臉識(shí)別。由二維圖像恢復(fù)對(duì)象的三維模型是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)基本問(wèn)題，傳統(tǒng)的由二維人臉圖像恢復(fù)人臉三維模型的方法需要多幅人臉圖像、圖像序列，或者需要限定條件下的立體圖像對(duì)、正面和側(cè)面圖像對(duì)等，不利于實(shí)際應(yīng)用。本文提出的算法只需要一幅正面人臉圖像，降低了對(duì)使用條件的要求，便于實(shí)際應(yīng)用，具有廣闊的應(yīng)用前景，該方法合成的三維人臉模型可以滿(mǎn)足人臉識(shí)別、表

5、情動(dòng)畫(huà)、人機(jī)交互的需要。 本文提出一種基于人臉對(duì)稱(chēng)性的快速人臉姿態(tài)估計(jì)方法，該算法能夠僅由一幅輸入圖像快速、準(zhǔn)確地估計(jì)出人臉的3D姿態(tài)。和其它檢測(cè)方法相比，該方法具有模型簡(jiǎn)單、計(jì)算速度快等優(yōu)點(diǎn)，利用面積作為輸入信息，降低了估計(jì)結(jié)果對(duì)特征點(diǎn)定位精度的依賴(lài)程度，提高了人臉姿態(tài)的估計(jì)精度。人臉姿態(tài)估計(jì)的結(jié)果可以用于人臉圖像識(shí)別、人機(jī)交互、視線(xiàn)跟蹤以及基于模型的編碼等方面。 在分析光照和姿態(tài)變化對(duì)人臉識(shí)別影響的基礎(chǔ)上，對(duì)已有用于

6、解決光照和姿態(tài)變化問(wèn)題的相關(guān)算法之間的相容性進(jìn)行了深入探討，指出在目前的技術(shù)水平和電子器件發(fā)展水平條件下，基于2D-3D相結(jié)合的人臉識(shí)別框架是解決光照和姿態(tài)變化問(wèn)題的較合適的思路?；?D-3D相結(jié)合的人臉識(shí)別方法有很多優(yōu)勢(shì)，將在未來(lái)較長(zhǎng)的一段時(shí)期內(nèi)具有相當(dāng)強(qiáng)大的生命力。首先，2D信息在獲取上非常便捷，同時(shí)在處理上也有很多相關(guān)的成熟技術(shù)可資利用；同時(shí)，3D信息包含了物體的三維形狀屬性，利用人臉的三維信息可以較好地解決人臉識(shí)別中光照和姿態(tài)

7、變化的問(wèn)題。 對(duì)傳統(tǒng)的Hausdorffdistance算法進(jìn)行了改進(jìn)，通過(guò)加入相似度信息，提高了對(duì)高相似對(duì)象(比如人臉)的分類(lèi)能力，并將改進(jìn)的算法用于人臉圖像識(shí)別。對(duì)在不同光照、不同表情以及大數(shù)據(jù)庫(kù)情況下的人臉識(shí)別實(shí)驗(yàn)結(jié)果表明，本文提出的算法是有效的，可以應(yīng)用于高相似對(duì)象的匹配和識(shí)別。 在對(duì)人類(lèi)視覺(jué)系統(tǒng)的人臉識(shí)別機(jī)理進(jìn)行初步分析的基礎(chǔ)上，對(duì)具有類(lèi)似于人類(lèi)視覺(jué)系統(tǒng)的識(shí)別模式的自動(dòng)人臉識(shí)別系統(tǒng)進(jìn)行了有益的探索，提出了適用于

8、大規(guī)模人臉集合情況的分級(jí)識(shí)別的思想。首先利用Hausdorffdistance識(shí)別方法利用邊緣圖完成第一級(jí)識(shí)別，選出相似度比較高的準(zhǔn)匹配模板，然后在由準(zhǔn)匹配模板構(gòu)成的圖像庫(kù)上，利用更精確但計(jì)算復(fù)雜度更高同時(shí)計(jì)算時(shí)間也更長(zhǎng)的方法進(jìn)行第二級(jí)識(shí)別，給出最終的識(shí)別結(jié)果。這種分級(jí)識(shí)別的方案可提高人臉識(shí)別系統(tǒng)對(duì)大數(shù)據(jù)集合的識(shí)別速度，減小所需的存儲(chǔ)空間。 在本文研究成果的基礎(chǔ)上，實(shí)現(xiàn)了可變光照和可變姿態(tài)下的人臉識(shí)別原型系統(tǒng)。該系統(tǒng)可以作為人臉