【摘要】：異質(zhì)人臉識別指的是對不同數(shù)據(jù)源中相同人物的人臉進行匹配。其作為一種生物特征識別技術(shù),可以廣泛應用于身份驗證、多媒體娛樂和刑事偵緝等重要領(lǐng)域中。相較于傳統(tǒng)的同數(shù)據(jù)源人臉匹配,異質(zhì)人臉識別能夠解決不同數(shù)據(jù)源人臉圖像之間的差異問題,因而應用范圍更廣、使用限制更少,正受到越來越多研究者的關(guān)注。素描人臉識別是異質(zhì)人臉識別的一個重要的分支,其指的是匹配同一個目標人物的人臉素描和人臉照片。在嫌犯身份鑒定、漫畫檢索等現(xiàn)實應用中,素描人臉識別具有著極其重要的價值。然而,相較于由照相機拍攝的照片,繪制者制作而成的素描往往具有以下特性:1)人臉細節(jié)的缺乏和模糊;2)人臉五官特征的夸張和偏移;3)與真實人臉的相似度受人為因素的影響。同時,由于照片和素描的數(shù)據(jù)來源不同,從素描和照片中直接提取的特征不具有可比性。上述這些問題造成了基于傳統(tǒng)人臉識別算法對素描和照片進行匹配的困難。因此,本文分別從特征和多數(shù)據(jù)源關(guān)聯(lián)策略的角度,對素描人臉識別問題進行了深入研究。本文提出了多種人臉特征及提取算法,并在此基礎(chǔ)上提出了若干有效的素描人臉識別算法。本文的主要內(nèi)容和貢獻如下:1.提出了基于Delaunay三角形定律的人臉結(jié)構(gòu)特征及提取算法。素描人臉識別中,常用的底層特征無法解決素描人臉的偏移和夸張問題。為此,本文定義了一組人臉五官間的相對距離向量作為特征,來對人臉結(jié)構(gòu)進行描述。由于人臉五官比例在素描人臉和照片人臉中保持相對一致,并且不受圖像的底層特性影響,因而人臉結(jié)構(gòu)特征具有較強的跨數(shù)據(jù)源魯棒性。特征提取時,首先改進了基于回歸森林的人臉關(guān)鍵點檢測算法,使其適應具有偏移和夸張的圖像。然后,使用Delaunay三角形算法,選取了合適的關(guān)鍵點間相對距離,以組成特征向量。實驗結(jié)果表明,經(jīng)過改進的人臉關(guān)鍵點檢測算法可以準確檢測到素描人臉中的關(guān)鍵點;并且在素描人臉識別問題中,人臉結(jié)構(gòu)特征的性能要優(yōu)于常用的底層特征的性能。2.提出了基于局部區(qū)域的人臉屬性特征提取算法。人臉屬性特征從高層語義的角度對人臉特性進行描述。其關(guān)注于人臉五官、毛發(fā)、輪廓的抽象類別屬性,如眼睛是大還是小、眉毛是濃還是密等。人臉屬性特征不包含圖像底層紋理或絕對數(shù)值度量等維度的信息,因而可以較好的克服人臉識別時,不同數(shù)據(jù)源間人臉圖像的差異問題。但是,由于人臉素描中往往存在著人臉特征夸張和偏移問題,在特征提取時,傳統(tǒng)的基于全局的檢測算法無法準確檢測出素描人臉屬性。為此,本文提出了一個基于局部區(qū)域的人臉屬性檢測算法。該算法首先在人臉圖像上檢測出一系列更具辨識性的特征區(qū)域,然后從多個局部區(qū)域同時提取人臉的抽象類別屬性,最終綜合各區(qū)域判別結(jié)果作為人臉屬性特征。實驗結(jié)果表明,基于局部區(qū)域的檢測算法的人臉屬性特征提取能力,要優(yōu)于基于全局的人臉屬性檢測算法。3.提出了基于典型關(guān)聯(lián)分析特征融合的素描人臉識別方法。典型關(guān)聯(lián)分析(Canonical Correlation Analysis,CCA)是一種多模態(tài)關(guān)聯(lián)算法,其使用拉格朗日算子求解使得多模態(tài)數(shù)據(jù)相關(guān)性最大的映射矩陣,以加強不同類型數(shù)據(jù)之間的關(guān)聯(lián)。在素描人臉識別問題中,本文通過CCA對人臉的屬性特征和底層特征進行了融合。新的人臉描述特征同時具備人臉屬性特征的跨數(shù)據(jù)源不變性和底層特征的圖像底層細節(jié)描述能力�；谛滦腿诤咸卣�,本文使用最近鄰算法構(gòu)建了跨數(shù)據(jù)源匹配模型 CMMFA (Cross-modal Matching by Facial Attributes),對素描人臉和照片人臉進行匹配。實驗結(jié)果表明,CMMFA的性能要優(yōu)于單獨使用底層特征或人臉屬性特征的算法,也要優(yōu)于其他的基于跨數(shù)據(jù)源映射模型的算法。4.提出了基于多層級特征映射融合的素描人臉識別方法。對于素描人臉識別問題,底層特征、人臉結(jié)構(gòu)特征和人臉屬性特征都是較為有效的特征,但又各自存在一定缺點。底層特征可以很好的描述人臉的圖像細節(jié),但會受跨數(shù)據(jù)源問題的影響。人臉結(jié)構(gòu)特征和人臉屬性特征則關(guān)注較高層級的人臉特性,對于圖像的偏移和夸張具有一定的魯棒性。將此三種特征聯(lián)合使用,可以互相之間彌補缺點。因此,本文提出了一個多層級特征的映射融合框架MLFBF (Multi-Level Feature Based Framework),進行素描人臉的識別。該模型將底層級LBP與HOG特征、中層級人臉結(jié)構(gòu)特征、高層級人臉屬性特征分別進行跨數(shù)據(jù)源映射,然后求解各自的距離矩陣并進行加權(quán)融合,最終獲得素描與照片間的匹配結(jié)果。實驗結(jié)果表明。本文提出的MLFBF框架的性能要優(yōu)于現(xiàn)存其他的匹配算法。5.深入研究了素描人臉識別問題中的人為因素影響,并進一步提出了涵蓋時延問題和交流問題的素描人臉匹配模型。素描的生成往往存在著一定的人為因素。在現(xiàn)實的素描人臉識別任務(wù)中,這些人為因素對模型的識別性能具有較大的影響。然而,目前的素描人臉識別模型沒有考慮此類問題。為此,本文首次關(guān)注于素描人臉識別中的人為因素影響。本文分析了潛在的人為因素種類,并建立了包含時延和交流兩種人為因素的新型素描人臉數(shù)據(jù)庫——BUPT Face Sketch Database(BUFS)�；谠摂�(shù)據(jù)庫,本文進一步建立了涵蓋人為因素的素描人臉識別模型。在嫌犯人臉數(shù)據(jù)庫(Forensic Sketch Database,FSD)上的實驗結(jié)果表明,當進行素描人臉識別時,涵蓋人為因素的識別模型的準確率要高于不使用任何映射模型的底層特征所得的準確率。
[Abstract]:......
【學位授予單位】：北京郵電大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)博士學位論文 前1條

1 歐陽書馨;面向素描的異質(zhì)人臉識別[D];北京郵電大學;2017年

相關(guān)碩士學位論文 前3條

1 趙舒文;中國鋼琴改編組曲《云嶺素描》的藝術(shù)特色和演奏分析[D];山東師范大學;2017年

2 張璐;《善緣》—素描造型語言的嘗試[D];吉林藝術(shù)學院;2017年

3 尹遜男;我在創(chuàng)作中對素描與筆墨語言的思考[D];山東藝術(shù)學院;2017年

，

本文編號：2392245