【摘要】：異質(zhì)人臉識(shí)別指的是對(duì)不同數(shù)據(jù)源中相同人物的人臉進(jìn)行匹配。其作為一種生物特征識(shí)別技術(shù),可以廣泛應(yīng)用于身份驗(yàn)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(shí)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(yīng)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(shí)別是異質(zhì)人臉識(shí)別的一個(gè)重要的分支,其指的是匹配同一個(gè)目標(biāo)人物的人臉?biāo)孛韬腿四樥掌�。在嫌犯身份鑒定、漫畫檢索等現(xiàn)實(shí)應(yīng)用中,素描人臉識(shí)別具有著極其重要的價(jià)值。然而,相較于由照相機(jī)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(xì)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(shí)人臉的相似度受人為因素的影響。同時(shí),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(shí)別算法對(duì)素描和照片進(jìn)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(duì)素描人臉識(shí)別問題進(jìn)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(shí)別算法。本文的主要內(nèi)容和貢獻(xiàn)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(shí)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(duì)距離向量作為特征,來對(duì)人臉結(jié)構(gòu)進(jìn)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(duì)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(qiáng)的跨數(shù)據(jù)源魯棒性。特征提取時(shí),首先改進(jìn)了基于回歸森林的人臉關(guān)鍵點(diǎn)檢測算法,使其適應(yīng)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(diǎn)間相對(duì)距離,以組成特征向量。實(shí)驗(yàn)結(jié)果表明,經(jīng)過改進(jìn)的人臉關(guān)鍵點(diǎn)檢測算法可以準(zhǔn)確檢測到素描人臉中的關(guān)鍵點(diǎn);并且在素描人臉識(shí)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(duì)人臉特性進(jìn)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(duì)數(shù)值度量等維度的信息,因而可以較好的克服人臉識(shí)別時(shí),不同數(shù)據(jù)源間人臉圖像的差異問題。但是,由于人臉?biāo)孛柚型嬖谥四樚卣骺鋸埡推茊栴},在特征提取時(shí),傳統(tǒng)的基于全局的檢測算法無法準(zhǔn)確檢測出素描人臉屬性。為此,本文提出了一個(gè)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(shí)性的特征區(qū)域,然后從多個(gè)局部區(qū)域同時(shí)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(shí)驗(yàn)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(shí)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(qiáng)不同類型數(shù)據(jù)之間的關(guān)聯(lián)。在素描人臉識(shí)別問題中,本文通過CCA對(duì)人臉的屬性特征和底層特征進(jìn)行了融合。新的人臉描述特征同時(shí)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(xì)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(duì)素描人臉和照片人臉進(jìn)行匹配。實(shí)驗(yàn)結(jié)果表明,CMMFA的性能要優(yōu)于單獨(dú)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(jí)特征映射融合的素描人臉識(shí)別方法。對(duì)于素描人臉識(shí)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(diǎn)。底層特征可以很好的描述人臉的圖像細(xì)節(jié),但會(huì)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(jí)的人臉特性,對(duì)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(bǔ)缺點(diǎn)。因此,本文提出了一個(gè)多層級(jí)特征的映射融合框架MLFBF (Multi-Level Feature Based Framework),進(jìn)行素描人臉的識(shí)別。該模型將底層級(jí)LBP與HOG特征、中層級(jí)人臉結(jié)構(gòu)特征、高層級(jí)人臉屬性特征分別進(jìn)行跨數(shù)據(jù)源映射,然后求解各自的距離矩陣并進(jìn)行加權(quán)融合,最終獲得素描與照片間的匹配結(jié)果。實(shí)驗(yàn)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(shí)別問題中的人為因素影響,并進(jìn)一步提出了涵蓋時(shí)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(shí)的素描人臉識(shí)別任務(wù)中,這些人為因素對(duì)模型的識(shí)別性能具有較大的影響。然而,目前的素描人臉識(shí)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(shí)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(shí)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(jìn)一步建立了涵蓋人為因素的素描人臉識(shí)別模型。在嫌犯人臉數(shù)據(jù)庫(Forensic Sketch Database,FSD)上的實(shí)驗(yàn)結(jié)果表明,當(dāng)進(jìn)行素描人臉識(shí)別時(shí),涵蓋人為因素的識(shí)別模型的準(zhǔn)確率要高于不使用任何映射模型的底層特征所得的準(zhǔn)確率。
[Abstract]:......
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

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

相關(guān)碩士學(xué)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(xué);2017年

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

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

，

本文編號(hào)：2392245