本文關(guān)鍵詞：人臉面部屬性估計與老化合成研究　出處：《南京理工大學》2016年博士論文　論文類型：學位論文

  更多相關(guān)文章： 人臉分析 人臉合成 人臉屬性 人臉老化 人臉驗證 人臉變形 字典學習 深度學習 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：人臉分析一般包括對人臉中身份特征、年齡特征、表情屬性、面部特征屬性、性別屬性、種族屬性等進行分析。目前的身份特征識別方法還缺乏更為細致的身份信息描述,如面部五官形狀、面部紋理等。這些稱為人臉面部屬性。對比于傳統(tǒng)的人臉識別,人臉面部的屬性估計屬于更為精細的人臉生物特征分析,這在國防安全、人體測量學、醫(yī)療以及社交娛樂等方面有著更為廣闊的市場前景�，F(xiàn)有的人臉面部屬性估計方法一般針對地是明顯的人臉屬性,如頭發(fā)顏色、五官形狀、膚色、性別等。然而,對于更為細粒度的面部屬性(如單雙眼皮、嘴唇厚度、眉毛濃密程度等)進行估計仍然存在著諸多挑戰(zhàn)。另一方面,經(jīng)驗地,人臉老化是影響人臉面部屬性最大的一個因素。簡單地說,一個人的面部屬性會隨著年齡的變化而變化,如面部屬性形狀、皮膚紋理等。因此,根據(jù)給定的一張人臉相片,如何逼真地去合成其若干年后老化人臉也是人臉屬性分析研究領(lǐng)域的一個重要課題之一。本文中稱為人臉老化合成,它在跨年齡的人臉驗證、年齡估計、社交娛樂等方面有著不錯的應(yīng)用前景。總結(jié)地,本文具體地在人臉屬性估計與面部老化合成這兩個全新的研究點上完成了以下幾個工作:1.研究了人臉面部屬性分析問題,特別是細粒度的人臉面部屬性估計問題。對人臉面部屬性進行了定義,并整理了相關(guān)的人臉面部屬性數(shù)據(jù)集。隨后,本文提出了一種新的深度卷積神經(jīng)網(wǎng)絡(luò)來解決細粒度的人臉面部屬性估計。在此基礎(chǔ)上,本文將提出的人臉面部屬性估計方法應(yīng)用到性格估計系統(tǒng)中。2.提出了一種基于親屬導向的人臉老化合成方法來指導人臉老化合成中的人臉老化方向,從而合成出逼真的老化人臉。其中,親屬關(guān)系信息可以加強嬰兒與孩童的人臉老化合成中比較弱的身份信息,而親屬關(guān)系的一致性保持可以作為先驗來指導人臉的老化方向。該方法能夠?qū)⒃撊四樅铣傻轿磥淼娜我庖粋�年齡下的老化人臉,使得該老化人臉既保持住了身份特征信息,又反映出了比較自然與真實的老化效果。3.提出了一種基于耦合式字典學習的人臉老化合成方法。該方法通過利用不同年齡段下的老化字典來重構(gòu)出個性化的老化人臉。首先,人臉老化過程中單個的人臉可以分為隨老化變化的面部屬性模式與老化不變的面部屬性模式。其次,將人類的一生劃分為若干年齡段,每一個年齡段用一個老化字典來表達其該年齡段的人臉老化特征。利用提出的耦合式老化字典學習在收集到的人臉對數(shù)據(jù)集上訓練這些老化字典。對于一個輸入臉的老化人臉,它可以通過不同的字典基的稀疏的線性加權(quán)組合來重構(gòu)得到。4.在基于耦合式字典學習的人臉老化合成方法上,對原有的耦合式字典學習模型進行改進,重新提出了一種高效的雙層式老化字典學習模型。具體地,該模型將人臉對中的年輕人臉作為次優(yōu)化目標函數(shù)的輸入人臉數(shù)據(jù),而將對應(yīng)的年老人臉作為主優(yōu)化目標函數(shù)的輸入人臉數(shù)據(jù)。然后,針對雙層式老化字典學習的總目標函數(shù),提出了有效的優(yōu)化求解方法。
[Abstract]:This paper presents a new depth convolution neural network for face facial feature estimation , such as facial feature shape , facial texture and so on . A new learning model of double - layer aging dictionary is proposed based on coupled dictionary learning based on coupled dictionary learning . In particular , the model puts the young face in face pair as input face data of the objective function of secondary optimization , and then uses the corresponding year old - old face as input face data of main optimization objective function .

【學位授予單位】：南京理工大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前2條

1 余凱;賈磊;陳雨強;徐偉;;深度學習的昨天、今天和明天[J];計算機研究與發(fā)展;2013年09期

2 王章野;曹玫璇;李理;彭群生;;基于個性化原型的人臉衰老圖像合成[J];電子學報;2009年S1期

，

本文編號：1355853