基于局部正臉合成和兩階段表示的三階段人臉識別算法

發(fā)布時(shí)間：2020-02-13 04:49

【摘要】：基于兩階段表示的人臉識別算法(TPTSR)識別率高,并且對遮擋、噪聲等干擾魯棒,但是當(dāng)人臉姿態(tài)有較大變化時(shí),TPTSR算法的識別率會明顯下降.針對這一問題,提出基于局部正臉合成和TPTSR的三階段人臉識別算法:第一個(gè)階段,正臉合成階段,利用提出的正臉合成算法和視點(diǎn)庫,將偏轉(zhuǎn)角度較大的測試樣本合成相應(yīng)的正臉,作為新的測試樣本;第二個(gè)階段,樣本篩選階段,選擇出對最新的測試樣本最具表示能力的M個(gè)訓(xùn)練樣本;第三個(gè)階段,決策識別階段,用這M個(gè)訓(xùn)練樣本做人臉識別.通過與經(jīng)典算法的對比實(shí)驗(yàn)證明,提出的3PTSR人臉識別算法能有效解決多姿態(tài)人臉識別問題.
【圖文】：

框架圖,框架圖,合成算法,測試樣本

ｔｅｓｔｓａｍｐｌｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，３ＰＴＳＲ）．第一階段利用本文提出的正臉合成算法，只由一幅待測試的側(cè)臉，合成與其相應(yīng)的正臉，以此消除姿態(tài)變化造成的影響；第二階段和第三階段，再使用ＴＰＴＳＲ算法做人臉識別．本文提出的３ＰＴＳＲ人臉識別算法不僅保留了ＴＰＴＳＲ的識別率高、對遮擋和噪聲魯棒的優(yōu)點(diǎn)，而且有效解決了姿態(tài)變化問題．１基于局部正臉合成和ＴＰＴＳＲ的三階段表示人臉識別算法（３ＰＴＳＲ）本文提出的３ＰＴＳＲ算法系統(tǒng)框架如圖１所示．首先，對測試樣本、所有的訓(xùn)練樣本和視點(diǎn)庫（將在１．１中詳細(xì)介紹）中的人臉用ＡｄａＢｏｏｓｔ算法和輔助的人工操作檢測人臉區(qū)域，然后人工標(biāo)定各姿態(tài)下人臉區(qū)域關(guān)鍵特征點(diǎn)的中心位置，將相同姿態(tài)人臉的關(guān)鍵特征點(diǎn)對齊，并縮放到同樣的大小，，然后對人臉圖像進(jìn)行直方圖均衡化，去除光照變化等不良因素帶來的噪聲影響；對輸入的水平偏轉(zhuǎn)角度較大的測試側(cè)臉，利用適當(dāng)?shù)囊朁c(diǎn)庫，使用本文提出的人臉合成算法，合成相應(yīng)的正臉，作為新的測試樣本輸入到下一階段；第二階段和第三階段利用ＴＰＴＳＲ人臉識別算法，將姿態(tài)校正后的測試樣本與訓(xùn)練樣本匹配，得到識別結(jié)果．１．１第一階段：正臉合成階段本文假設(shè)訓(xùn)練樣本是一系列與正臉姿態(tài)差異不大的人臉圖像，而測試樣本是水平偏轉(zhuǎn)角度較大的人臉圖像，其他問題可以作為此類問題的變種．用ｐ表示不同水平偏轉(zhuǎn)角度的人臉姿態(tài)，ｐ的取值范圍是－６０°，－３０°，３０°，６０°．本文提出的正臉合成算法是一種基于統(tǒng)計(jì)學(xué)習(xí)的算法，假設(shè)側(cè)臉和相應(yīng)正臉之間存在一種映射關(guān)系，也就是人臉紋理表示對姿態(tài)的不變性（將

基于局部正臉合成和兩階段表示的三階段人臉識別算法