【摘要】：隨著信息化時代的到來,利用智能化手段準(zhǔn)確有效地識別用戶身份,保障信息安全成為一項重要的研究課題。作為生物特征識別技術(shù)之一的人臉識別技術(shù)以其自然性、隱蔽性和便捷性等優(yōu)勢成為研究的熱點(diǎn)。在人臉識別研究中,準(zhǔn)確高效是其追求的目標(biāo),但由于面部自身的特殊性以及實際應(yīng)用場景的復(fù)雜性,使得現(xiàn)有人臉識別方法在識別性能和泛化能力上均有待進(jìn)一步提高。集成學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域熱門的研究內(nèi)容,能夠顯著提高學(xué)習(xí)算法的泛化能力,目前已被廣泛應(yīng)用在解決特征選取、分類及回歸問題上。鑒于此,本文將集成學(xué)習(xí)方法引入到人臉識別問題中,旨在改善和優(yōu)化人臉識別系統(tǒng)的泛化能力,提高識別準(zhǔn)確率。本文的主要工作和貢獻(xiàn)之處如下:(1)針對傳統(tǒng)局部描述子對邊緣像素值劇烈變化及噪聲敏感的問題,提出一種新的局部描述子:局部均值模式(Local Mean Pattern,LMP)。該算子分別利用水平、垂直及對角方向的灰度值整體變化來刻畫紋理信息。為了避免單一特征的局限性和片面性,引入對稱局部圖結(jié)構(gòu)描述子(Symmetric Local Graph Structure,SLGS)。針對SLGS在垂直方向上紋理信息的缺失提出垂直對稱局部圖結(jié)構(gòu)描述子(Vertical-Symmetric Local Graph Structure,V-SLGS)。將 LMP 算子和改進(jìn)前后的SLGS相結(jié)合,構(gòu)造互補(bǔ)的紋理描述空間,提出一種基于等級分?jǐn)?shù)融合決策的人臉識別方法。實驗結(jié)果表明,相比傳統(tǒng)局部描述子,LMP算法對邊緣變化及噪聲更為魯棒,且具有良好的可分性。基于等級分?jǐn)?shù)融合決策的人臉識別方法有效降低了誤判的可能性,進(jìn)一步提高了系統(tǒng)的識別準(zhǔn)確率。(2)針對局部均值模式應(yīng)用在人臉識別上缺乏對面部不同區(qū)域重要性表示的問題,提出一種基于云模型的權(quán)值求取方法。該方法首先利用子圖像方法為面部不同區(qū)域構(gòu)建分類器,然后將分類器對不同樣本區(qū)域的識別率作為云滴輸入到逆云模型,生成表征分類器性能和穩(wěn)定性的特征值,最后利用云的特征值來分配權(quán)值,完成定量到定性的轉(zhuǎn)換。為了更好地兼顧整體和局部兩方面的決策信息,在經(jīng)過云加權(quán)集成判決后,進(jìn)一步融入整體判別信息,提出一種整體-局部雙加權(quán)集成的人臉識別方法。實驗結(jié)果表明,雙加權(quán)集成模式有效改善了原始LMP算子應(yīng)用在人臉識別上的分類性能。(3)針對基于靜態(tài)加權(quán)的人臉識別方法不能自適應(yīng)調(diào)整分類器權(quán)值的問題,在綜合考慮分類器的統(tǒng)計性能和實際輸出分量的分布后,提出一種基于可靠度和可分度動態(tài)加權(quán)集成的人臉識別方法。相比于靜態(tài)加權(quán)集成方法,該方法能夠根據(jù)待測目標(biāo)的不同動態(tài)調(diào)整分類器的權(quán)值,更有針對性地發(fā)揮各分類器在集成上的識別優(yōu)勢。在人臉庫上的實驗結(jié)果表明,基于可靠度和可分度動態(tài)加權(quán)集成的人臉識別方法有效地抑制了高偏差分類器對識別的干擾,提高了系統(tǒng)的分類性能。(4)針對基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法中存在有標(biāo)簽訓(xùn)練樣本不足及分類機(jī)制過于簡單的問題,提出一種基于深度協(xié)同訓(xùn)練與集成決策的人臉識別方法。該方法首先利用有標(biāo)簽樣本初始化卷積神經(jīng)網(wǎng)絡(luò)分類器,然后結(jié)合Tri-training算法更新訓(xùn)練分類器。為了減少協(xié)同訓(xùn)練中可能引入的噪聲數(shù)據(jù),通過增加標(biāo)簽置信度約束條件來提高標(biāo)記的準(zhǔn)確率。在對未知樣本分類時,依據(jù)分類器間輸出結(jié)果的一致性,賦予分類器在決策中不同的權(quán)值,最后通過多分類器集成完成分類識別。在YaleB和LFW人臉數(shù)據(jù)集上實驗結(jié)果表明,所提方法有效地降低了卷積神經(jīng)網(wǎng)絡(luò)模型對有標(biāo)簽樣本的依賴,解決了有標(biāo)簽樣本不足的問題,多分類器集成判別機(jī)制進(jìn)一步提高了分類模型的泛化能力。
【圖文】：

ＡＴＭ機(jī)刷臉取款業(yè)務(wù)。但是由于技術(shù)的不完整性，用戶刷臉取款的前提條件是到逡逑柜臺網(wǎng)點(diǎn)用傳統(tǒng)的方式面簽開卡才能刷臉取款。逡逑圖１．１給出人臉識別技術(shù)的幾個典型應(yīng)用實例。圖１．１（ａ）是Ｕｎｉｑｕｌ推出的基于人逡逑臉識別的支付平臺，為消費(fèi)者帶來“無卡消費(fèi)的便利”；圖１．１（ｂ）是人臉識別技術(shù)逡逑應(yīng)用在智能監(jiān)控系統(tǒng)中，該系統(tǒng)可以實時捕捉到視頻中每個人的面部圖像，把提逡逑取的面部特征信息與公安部門提供的犯罪人員庫中的信息作對比，快速自動的識逡逑別出人群中的可疑嫌犯，，確保公眾安全。圖１．１（ｃ）是招商銀行推出的ＡＴＭ刷臉取款逡逑業(yè)務(wù)。取款人無需帶卡，只要通過選擇“刷臉取款”按鈕，輸入預(yù)留手機(jī)號和密逡逑碼三步簡單操作后就可完成取款。在取款過程中，ＡＴＭ機(jī)內(nèi)置的攝像頭會將抓拍逡逑到的面部圖像與銀行可信圖片源進(jìn)行比對，來確保資金的安全，防止盜刷，最大逡逑限度的保障銀行客戶資金的安全

變化也是人臉識別需要克服的一個重要難題。隨著年齡的增長，人的面部結(jié)構(gòu)會逡逑發(fā)生一些細(xì)微的形變，不同時期的人臉有很大的特征差異，這些差異會加劇人臉逡逑識別的難度。如圖１．２所示，列出影響人臉識別精度的主要因素。逡逑影響人臉識別精度的主要因素逡逑Ｚ年齡變化邐化妝＼逡逑（面部毛發(fā)邐ｊ逡逑飾物（如邋ｎ罩）逡逑＼＼＾人與采集設(shè)備的位置關(guān)系（距離、角度等逡逑面部損傷逡逑圖１．２影響人臉識別精度的主要因素逡逑Ｆｉｇｌ邋．２邋Ｔｈｅ邋ｍａｉｎ邋ｆａｃｔｏｒｓ邋ｔｈａｔ邋ａｆｆｅｃｔ邋ｔｈｅ邋ａｃｃｕｒａｃｙ邋ｏｆ邋ｆａｃｅ邋ｒｅｃｏｇｎｉｔｉｏｎ逡逑在現(xiàn)階段，人臉識別仍然是富有挑戰(zhàn)性的研究課題，要想達(dá)到真正的實用仍逡逑需進(jìn)一步的深入研[�。辶x希保玻布裳暗墓諭庋繡誠腫村義霞裳白魑恢中碌幕餮胺妒劍饕芯康氖僑綰問褂枚喔鲅捌骼村義轄餼鐾桓鑫侍狻Ｔ繚冢保梗福改輳耍澹幔恚蠛停鄭幔歟椋幔睿粼詼裕校粒媚Ｐ停郟保梗蕕難芯恐�，提出弱辶x涎八惴ㄓ肭墾八惴ㄊ欠竦燃鄣奈侍猓郟玻ǎ蕁６雜詬夢侍猓櫻悖瑁幔穡椋潁逋ü桓齬乖戾義閑緣姆椒ǜ雋絲隙ǖ鬧っ鰨郟玻保藎紗說於思裳暗睦礪芻�，这庚r乖旆椒ㄥ義暇褪牽攏錚錚螅簦椋睿縊惴ǎ郟玻玻蕕某�。１９９Ｙ�輳攏潁澹椋恚幔釤岢雋擻耄攏錚錚螅簦椋�？O惴ㄋ枷胂嘟膩義希跺義

本文編號：2660930