人脸识别技术综述_张翠平(6)

890

E(M)=

中国图象图形学报第5卷(A版)

∑

ii,i

1

2

-

〈Ci,Xj〉

+

CiXj〈(5)

法优于特征脸方法的原因,如向人脸库中加入新的人脸时,由于不能保证已有特征脸的通用性,因而有可能需要重新计算特征脸;而对于弹性匹配的方法,则不需要改变已有的数据,通过直接加入新的模板

数据即可,但计算较复杂是弹性匹配的一大缺点.根据引言中提出的低层次特征和高层次特征的定义,这里的小波特征类似于外界景物在人眼视网膜上的响应,属低层次特征,没有线、面、模式的概念.由于低层次特征中信息的冗余不仅使得计算复杂,而且由于大量与识别无关的信息没有过滤掉,因而识别率会大打折扣,另外特征脸也存在这样的问题,其中典型的无用信息就是头发.

针对弹性匹配方法的缺陷,可从以下两方面进行改进:一是降低计算复杂度,即对表达人脸的二维矢量场进行特征压缩和提取;二是减少冗余信息,即将所提取出来的低层次特征和高层次特征(如眼角、鼻端的位置等)结合起来,以突出关键点的识别地位.1.3.2　对弹性匹配方法的改进及分析

文献[20]提出了一种弹性匹配的改进方法,即

2

λ∑[(i1-i2)-(j1-j2)]

　　式中的第一项是计算两个矢量场中对应的局部特征Xj和Ci的相似程度,第二项则是计算局部位

置关系和匹配次序.由此可见,最佳匹配也就是最小能量函数时的匹配.

在求能量函数实现匹配的时候,可以有如下两种匹配的方法:其中一种是严格的匹配方法;另一种匹配即所谓弹性图匹配方法(见图7).由图7可见,网格S经过了变形,即由原来网格S中的一点对S1

中一点的严格匹配,变成了S中一点和S1中一点领域范围内的匹配,其目的是为了进一步减小能量函数,通过最终收敛到一个最小值,来实现弹性匹配,正是这样的匹配容忍了表情的细微变化.

图7　弹性匹配

将KL变换应用于小波变换,来生成二维网格中顶点的矢量串,以减少其维数,从而大大减少了表达一幅人脸所需要的特征数量,而识别率不会明显下降.

文献[21]是采用人脸基准点,而不是采用二维网格作为拓扑图的节点,同时节点特征也是小波变换特征,即它忽略了除重要人脸部件以外的特征数据,把研究的重点直接定位到感兴趣的区域(参照图8).

根据JunZhang[15]对综合MIT、Olivetti、Wwizmann、和Bem等人脸库所形成的包括272幅照片的综合人脸库,分别用KL方法和弹性匹配方法进行识别试验比较

[15]

,所得的识别率分别为66%

和93%.其中KL变换的识别率很低,其原因主要

是由于综合库里来自4个人脸库的人脸图象在光照上有很大的差异所造成的,文献[15]之所以作出了弹性图形匹配优于KL变换的结论,其原因之一是由于拓扑图的顶点采用了小波变换特征,因为它对于光线、变换、尺寸和角度具有一定的不变性.大家知道,小波特征分析是一种时频分析,即空间-频率分析,若空间一点周围区域的不同的频率响应构成该点的特征串,则其高频部分就对应了小范围内的细节,而低频部分则对应了该点周围较大范围内的概貌.根据该原理,文献[20]提出了用数学形态学上的腐蚀扩张方法形成的多尺度(多分辨率)特征矢量来取代小波特征,并证明了它具有和小波特征相似的效果,它能够反映空间一点周围的高低频信息.现已证明,弹性图形匹配能保留二维图象的空间相关性信息,而特征脸方法在将图象排成一维向量后,则

图8　基于部件的拓扑图

文献[21]还采用了和文献[11]不同的结构来存储人脸特征(如图9所示).

图9　人脸特征库存储结构

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新高等教育人脸识别技术综述_张翠平(6)全文阅读和word下载服务。