人臉識別作為重要的身份鑒別技術(shù),需要具有較好的識別時效性和準(zhǔn)確性,為此提出一種基于面部特征激光光點定位的人臉識別方法。通過積分投影技術(shù)選擇面部結(jié)構(gòu)中的臉角點、嘴角點和鼻尖作為特征點。為減少面部表情變化對識別效果的影響,避開受影響最大的嘴部區(qū)域,對各特征點進(jìn)行等距測地輪廓線采樣,利用Procrustes分析采樣點提取面部輪廓線,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,完成激光光點定位人臉識別的全過程。實驗結(jié)果表明,所提方法識別率較高、準(zhǔn)確性更優(yōu),最高識別率為96.3%,具有較好的應(yīng)用前景。 

【文章來源】：激光雜志. 2020年10期 北大核心

【文章頁數(shù)】：5 頁

【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別法和多區(qū)域融合人臉識別法進(jìn)行比較。圖2、圖3、圖4分別為3種面部識別算法在相同條件下訓(xùn)練集和測試集的識別率曲線。由于數(shù)據(jù)庫中每一種類的人臉圖像的表情和姿態(tài)沒有產(chǎn)生較大的變化，所以這三種方法的訓(xùn)練集和測試集的識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)合逆線性回歸識別方法的識別率相對較低，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)合逆線性回歸識別方法的識別率相對較低，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，但不能很好地分類特征。由圖3可得，多區(qū)域融合識別方法的識別率相比多樣本擴(kuò)充結(jié)合逆線性回歸方法高，在訓(xùn)練集中前兩個特征時，識別率為88.2%，用5個以上特征進(jìn)行識別時效果最好，識別率能夠穩(wěn)定地保持在88.4%。當(dāng)識別前兩個測試集時，識別率為86.3%，選用5個以上特征點識別后可以獲得最佳的識別效果，識別率保持在88.4%。

【參考文獻(xiàn)】：
期刊論文
[1]基于生成對抗網(wǎng)絡(luò)的短波紅外-可見光人臉圖像翻譯[J]. 胡麟苗,張湧.  光學(xué)學(xué)報. 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,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)人臉識別[J]. 程超,達(dá)飛鵬,王辰星,姜昌金.  光學(xué)學(xué)報. 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]基于角點檢測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. 2019(07)
[7]基于人臉關(guān)鍵點與增量聚類的多姿態(tài)人臉識別[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：2948397