基于HOG和LBP特征的自然場(chǎng)景中人臉檢索技術(shù)研究.pdf

1、近年來(lái)，隨著監(jiān)控設(shè)備和智能手機(jī)廣泛應(yīng)用的發(fā)展，基于內(nèi)容的圖像檢索成為一種現(xiàn)實(shí)應(yīng)用需求并獲得了工業(yè)界、學(xué)術(shù)界的高度重視。在上世紀(jì)七十年代，主要是通過(guò)利用關(guān)鍵詞進(jìn)行圖像檢索，該技術(shù)需要人工手動(dòng)標(biāo)注文本關(guān)鍵詞，以描述圖像特征。它需要依賴(lài)人工對(duì)圖像進(jìn)行標(biāo)注，需要較多的人力，且伴有主觀性等方面的問(wèn)題。尤其在人臉圖像檢索時(shí)，基于文本關(guān)鍵詞文本圖像檢索技術(shù)顯得很無(wú)能為力。上世紀(jì)九十年代以來(lái)，一種基于內(nèi)容的圖像檢索（CBIR）開(kāi)始變得流行。然而在近些年

2、，由于一些信息系統(tǒng)所產(chǎn)生的圖像速度飛速增長(zhǎng)，基于視覺(jué)內(nèi)容上的圖像檢索也開(kāi)始成為一個(gè)重要的研究領(lǐng)域。由于自然光照，低分辨率和多姿態(tài)等構(gòu)成了人臉特征提取的主要影響因素，目前基于自然光照?qǐng)鼍?，低分辨率和多姿態(tài)等多種自然混合條件下的研究仍是一個(gè)頗具挑戰(zhàn)性的問(wèn)題。
　　本文采用多局部人臉特征融合方法，對(duì)人臉圖像進(jìn)行特征提取并得到人臉圖像特征表示，然后借用聚類(lèi)工具對(duì)人臉圖像特征表示聚類(lèi)，并對(duì)所有聚類(lèi)進(jìn)行性能評(píng)價(jià)，最后針對(duì)聚類(lèi)的性能,選擇不同聚

3、類(lèi)檢索的方案，從而設(shè)計(jì)了一個(gè)具有準(zhǔn)確和快速的人臉檢索算法。
　　本文主要貢獻(xiàn)如下：
　　1.收集一個(gè)完備的自然場(chǎng)景人臉檢索數(shù)據(jù)集。人臉圖像數(shù)據(jù)集為驗(yàn)證人臉檢索算法好壞提供了充分條件，一個(gè)完整的數(shù)據(jù)集將會(huì)更全面地測(cè)試算法性能。在眾多人臉圖像檢索實(shí)驗(yàn)中，F(xiàn)ERET、BioID、LFW和ORL等圖像集較為常用。但是，這些數(shù)據(jù)集中大多都是在正面人臉和特定光照下，在實(shí)際應(yīng)用中不具有擴(kuò)展性。在本論文中收集并整理一個(gè)更自然的數(shù)據(jù)集。其中學(xué)

4、院監(jiān)控視頻錄制了教職工、學(xué)生等人員在監(jiān)控下的走動(dòng)情況。該視頻中，監(jiān)控處于自然光照。學(xué)院監(jiān)控視頻的處理：對(duì)監(jiān)控視頻中變化的每一幀進(jìn)行皮膚檢測(cè)，橢圓檢測(cè)，提取人臉，并處理和存儲(chǔ)。具體來(lái)說(shuō)，當(dāng)下幀中得到的前景圖像與背景幀圖像之間是否有變化，一般認(rèn)為有變化的時(shí)候就會(huì)有人的出現(xiàn)，如果變化程度達(dá)到某個(gè)閾值，認(rèn)為這一幀中有人物出現(xiàn)，論文中利用當(dāng)前圖像幀減去背景圖像，得到了變化的部分，并對(duì)這部分進(jìn)行皮膚檢測(cè)，橢圓檢測(cè)，和使用Viola&Jones人臉檢

5、測(cè)算法人臉檢測(cè)，然后使用最小矩形描述得到的不規(guī)則輪廓，同時(shí)，對(duì)每個(gè)不規(guī)則輪廓對(duì)應(yīng)的最小矩形進(jìn)行保存。這樣做就最大可能地排除了自然環(huán)境下的非人臉區(qū)域。該數(shù)據(jù)集的整理均在Ubuntu系統(tǒng)下完成，約耗費(fèi)30天，數(shù)據(jù)集中包含近一百個(gè)人，共計(jì)3167張圖像，其中每一個(gè)人平均三十張圖像。該數(shù)據(jù)集整理為驗(yàn)證論文中所述研究的可行性提供了良好的依據(jù)，也為以后的人臉檢索研究貢獻(xiàn)出一個(gè)數(shù)據(jù)集。
　　2.采用光照補(bǔ)償進(jìn)行圖像預(yù)處理。在數(shù)據(jù)集收集整理的過(guò)程

6、已經(jīng)使用過(guò)光照補(bǔ)償。然而在人臉圖像特征提取之前也使用了光照補(bǔ)償預(yù)處理。在處理中首先對(duì)像素值進(jìn)行按降序排序，并取降序排序后的圖像像素中前百分之五像素值的平均值作為補(bǔ)償因子，在此基礎(chǔ)上對(duì)每一個(gè)像素值進(jìn)行補(bǔ)償，從而達(dá)到削弱光照影響的目的。
　　3.局部特征提取并融合?？紤]到僅憑借單純一種人臉特征的人臉檢索在檢索效果上的不足，在本文中主要提出使用了HOG和LBP兩種算法分別進(jìn)行人臉圖像特征提取并得到人臉表示，最后按照1:1的權(quán)重比例進(jìn)行融

7、合得到對(duì)應(yīng)圖像的基于HOG和LBP特征的自然場(chǎng)景人臉特征描述。
　　4.聚類(lèi)、聚類(lèi)性能評(píng)價(jià)以及人臉檢索。由于姿態(tài)和尺寸等影響導(dǎo)致類(lèi)內(nèi)對(duì)象較為疏遠(yuǎn)，造成人臉檢索的漏檢率較高。本文在局部特征提取和融合的基礎(chǔ)上進(jìn)行了人臉特征描述的聚類(lèi)，保證同類(lèi)對(duì)象間距離盡可能緊湊，類(lèi)間距離疏遠(yuǎn)，與此同時(shí)，在檢索過(guò)程中也就保證了檢索的召回率，降低漏檢率。在聚類(lèi)中，本文選擇完全相信聚類(lèi)和半信聚類(lèi)法進(jìn)行聚類(lèi)。最終針對(duì)非聚類(lèi)，完全相信聚類(lèi)和半信聚類(lèi)進(jìn)行比較，結(jié)

8、果表明半信聚類(lèi)優(yōu)于非聚類(lèi)和全信聚類(lèi)，聚類(lèi)優(yōu)于非聚類(lèi)。通過(guò)使用聚類(lèi)提高了相似人臉的召回率和人臉檢索的穩(wěn)定性，與此同時(shí)，也保證了相似人臉檢索的準(zhǔn)確率。
　　本文通過(guò)使用光照補(bǔ)償?shù)膱D像預(yù)處理，局部特征提取并融合以及人臉特征向量表示的聚類(lèi)，在一個(gè)自然場(chǎng)景下的監(jiān)控視頻下所獲取的數(shù)據(jù)集中進(jìn)行人臉圖像檢索。首先光照補(bǔ)償削弱了光照不足所造成的影響，特征的融合使得特征更加緊湊準(zhǔn)確，特征向量表示的聚類(lèi)在保證檢索穩(wěn)定性的同時(shí)，還提高了人臉檢索的召回率和