人臉識(shí)別作為重要的身份鑒別技術(shù),需要具有較好的識(shí)別時(shí)效性和準(zhǔn)確性,為此提出一種基于面部特征激光光點(diǎn)定位的人臉識(shí)別方法。通過(guò)積分投影技術(shù)選擇面部結(jié)構(gòu)中的臉角點(diǎn)、嘴角點(diǎn)和鼻尖作為特征點(diǎn)。為減少面部表情變化對(duì)識(shí)別效果的影響,避開(kāi)受影響最大的嘴部區(qū)域,對(duì)各特征點(diǎn)進(jìn)行等距測(cè)地輪廓線采樣,利用Procrustes分析采樣點(diǎn)提取面部輪廓線,并選用加權(quán)平均法在二值化圖像中區(qū)域化分割面部輪廓,完成激光光點(diǎn)定位人臉識(shí)別的全過(guò)程。實(shí)驗(yàn)結(jié)果表明,所提方法識(shí)別率較高、準(zhǔn)確性更優(yōu),最高識(shí)別率為96.3%,具有較好的應(yīng)用前景。 

【文章來(lái)源】：激光雜志. 2020年10期 北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

人臉基本結(jié)構(gòu)圖

將所提方法分別與多樣本擴(kuò)充結(jié)合逆線性回歸人臉識(shí)別法和多區(qū)域融合人臉識(shí)別法進(jìn)行比較。圖2、圖3、圖4分別為3種面部識(shí)別算法在相同條件下訓(xùn)練集和測(cè)試集的識(shí)別率曲線。由于數(shù)據(jù)庫(kù)中每一種類(lèi)的人臉圖像的表情和姿態(tài)沒(méi)有產(chǎn)生較大的變化，所以這三種方法的訓(xùn)練集和測(cè)試集的識(shí)別率曲線都比較相似。由圖2中可以看出，多樣本擴(kuò)充結(jié)合逆線性回歸識(shí)別方法的識(shí)別率相對(duì)較低，其主要原因是主分量分析中提取的面部特征向量，只能夠使圖像奇異值向量的均方差變小，導(dǎo)致提取的特征向量只能較好地描述特征，但不能很好地分類(lèi)特征。

由圖2中可以看出，多樣本擴(kuò)充結(jié)合逆線性回歸識(shí)別方法的識(shí)別率相對(duì)較低，其主要原因是主分量分析中提取的面部特征向量，只能夠使圖像奇異值向量的均方差變小，導(dǎo)致提取的特征向量只能較好地描述特征，但不能很好地分類(lèi)特征。由圖3可得，多區(qū)域融合識(shí)別方法的識(shí)別率相比多樣本擴(kuò)充結(jié)合逆線性回歸方法高，在訓(xùn)練集中前兩個(gè)特征時(shí)，識(shí)別率為88.2%，用5個(gè)以上特征進(jìn)行識(shí)別時(shí)效果最好，識(shí)別率能夠穩(wěn)定地保持在88.4%。當(dāng)識(shí)別前兩個(gè)測(cè)試集時(shí)，識(shí)別率為86.3%，選用5個(gè)以上特征點(diǎn)識(shí)別后可以獲得最佳的識(shí)別效果，識(shí)別率保持在88.4%。

【參考文獻(xiàn)】：
期刊論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的短波紅外-可見(jiàn)光人臉圖像翻譯[J]. 胡麟苗,張湧.  光學(xué)學(xué)報(bào). 2020(05)
[2]基于指數(shù)正則化鑒別稀疏局部保持投影的人臉識(shí)別[J]. 吳迪,李婷.  光電子·激光. 2019(11)
[3]激光白光光源及其光學(xué)系統(tǒng)解析[J]. 康健,張樂(lè),單迎雙,陳浩.  應(yīng)用光學(xué). 2019(05)
[4]基于Lucas-Kanade算法的最大Gabor相似度大姿態(tài)人臉識(shí)別[J]. 程超,達(dá)飛鵬,王辰星,姜昌金.  光學(xué)學(xué)報(bào). 2019(07)
[5]多模深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于視頻表情識(shí)別[J]. 潘仙張,張石清,郭文平.  光學(xué)精密工程. 2019(04)
[6]基于角點(diǎn)檢測(cè)的可降解支架輪廓分割算法[J]. 姚林林,金琴花,荊晶,陳韻岱,曹一揮,李嘉男,朱銳.  光學(xué)學(xué)報(bào). 2019(07)
[7]基于人臉關(guān)鍵點(diǎn)與增量聚類(lèi)的多姿態(tài)人臉識(shí)別[J]. 吳曉萍,管業(yè)鵬.  激光與光電子學(xué)進(jìn)展. 2019(14)
[8]基于多元頻域變換與幾何校正的彩色圖像水印算法[J]. 吳慶濤,施進(jìn)發(fā),曹再輝.  光學(xué)技術(shù). 2018(04)
[9]一種抗姿態(tài)與表情變化的三維人臉識(shí)別方法[J]. 蔡川麗,張建平,張彥博.  應(yīng)用光學(xué). 2018(04)
[10]基于改進(jìn)SURF算法的人臉點(diǎn)云配準(zhǔn)[J]. 郭昱,佘二永,王清華,李振華.  光學(xué)技術(shù). 2018(03)



本文編號(hào)：2948397