基于遮挡检测与恢复的稀疏表示鲁棒人脸识别算法研究

发布时间：2017-05-16 06:28

第 1 章 绪 论

1.1 课题背景及意义
二十一世纪是一个信息膨胀的时代，处于这个信息时代，计算机技术与信息技术飞速发展，我们频繁利用各种媒体形式传输、交流和处理各种图像、音频、视频等信息，因此需要为这些信息自动归类处理建立系统，相对于文字信息，图像信息表现内容更多，并且更加直观、具体，同样大小文字信息和图像信息，后者所包含信息量远远超过前者，图像成为我们获取信息的重要途径，对图像分析、加工和处理也成为信息时代热门研究。图像识别技术是人工智能一个重要领域，在现代信息社会，随着信息安全需求快速增长，图像识别技术成为广受关注的新兴科学技术，根据观测到的图像，利用现代信息处理技术与计算机技术对图像信息进行人类模拟和实现，图像识别过程可分为信息获取、图像预处理、图像分割、特征提取、分类决策和输出结果。一般情况下，获取到原始目标图像由于受到一些随机干扰或条件限制等影响造成图像质量下降，不能直接在图像识别过程中使用，而需要在图像识别之前对其进行过滤噪声、矫正灰度等预处理操作，常见预处理操作有平滑、中值滤波、边缘检测和梯度算子等；净化处理后图像进行图像分割，是将整个原始图像分为若干个有意义、具有独特性质图像子区域，是图像处理技术关键步骤，现有图像分割方法有阈值分割、区域分割、边缘分割以及基于特定理论分割方法；图像分割处理后对每个图像子区域进行特征提取，经典特征提取方法有 Fourier 变换法、Gabor 小波变换法、最小二乘法、边界方向直方图法、基于 Tamura 纹理特征的纹理特征提取等；最后用设计的分类器依据提取特征对原始图像进行分类识别。随着人工智能和计算机视觉不断发展，图像识别技术应用越来越广泛，例如军事领域、公安侦查领域、临床生物医学领域、机器视觉领域、遥感卫星领域、通讯领域等，图像识别技术主要分为手写文字图像识别、指纹图像识别、掌纹图像识别、人脸图像识别、虹膜图像识别、条码及二维码图像识别、遥感卫星云图识别等。其中人脸图像识别技术随着计算机技术发展得到很大提高，涉及计算机视觉、现代图像处理、模式识别及应用、机器学习等多种学科，人脸识别系统是一种高普遍性、可非接触时采集的重要生物特征，应用广泛，可用于安全验证系统、银行、医学、公司打卡、档案管理等系统中，与传统指纹识别、虹膜识别等其他人体特征进行识别相比，人脸识别技术更加友好、便利和精准，使用户无任何心理障碍，已被用户认可与接受。近年来图像识别研究表明，稀疏表示理论广泛应用于信号处理领域，也因其较好抗干扰能力和鲁棒性被用于图像识别，成为图像识别技术热门研究。
..........

1.2 国内外研究现状
人脸图像是一种很常见视觉模式，人脸图像视觉信息在社会生活中有重要意义和作用，自动人脸识别(Automatic Face Recognition, AFR)[1]是指能对人脸图像自动进行处理分析，从而获得对应识别信息，在公共安全、执法、门禁、信息安全等领域应用前景广泛，自动人脸识别在未来社会生活中会与人们日常生活息息相关，应用会更加广泛，可能会在交通、家居、国防、通信等多个行业领域发展。上个世纪六十年代开始，人脸识别系统得到国外一些公司青睐，美国、德国等发达国家某些公司看准其应用前景广阔，与高效技术合作或动用大量人力物力独立研发，开发研制了多个人脸识别系统。人脸识别系统输入图像一般有正面、一定角度倾斜和侧面三种情况，在实际生活中，对正面人脸图像处理与研究最常见，其发展可分为三个阶段[2]，上个世纪五六十年代，Bertillon、Allen 和 Parke 等对人脸所需要面部特征进行研究，最初人脸识别工作不能自动完成识别，主要是人工操作完成，其中在 Bertillon开发的识别系统中，将输入人脸图像用一条简单数据代码表示，实现图像向数据转换，Allen 和 Parke 对 Bertillon 识别系统进行改进，对人脸图像进行逼真设计描写并用计算机实现，首次提出能保留图像信息灰度人脸图像模型；随着科技飞速发展，人脸识别技术进入人机交互阶段，提取正面人脸图像几何特征向量，人机交互是从人适应计算机到计算机不断适应人的过程；近年来自动人脸识别的出现是人脸识别里程碑，多种人脸识别系统开发和越来越多相关文献发表表明已经进入真正人脸识别技术阶段，随着计算机快速发展，人脸识别技术研究成为热门课题，一些经典算法如特征脸、子空间算法及神经网络识别算法等在该时期提出，且在实际中得到广泛应用，比如考勤门禁、安防、医用等。
.........

第 2 章 理论基础

2.1 引言
本章首先介绍稀疏表示分类算法，并对鲁棒稀疏表示以及分块稀疏表示进行分析描述，然后对图像处理中的特征提取做简单介绍，主要介绍局部二值模式(LBP)及直方图相交法。
.......

2.2 稀疏表示分类算法
信号稀疏表示是用尽可能少非零系数表示信号主要信息，从而使信号处理求解更加简单，在样本足够多训练样本空间中，对于某个类别的样本对象，可以由训练样本空间中的样本子集近似线性表示，此时的表示系数是稀疏的，即绝大多数元素都为 0，稀疏表示模型可以抽象成一个线性方程组，设训练样本集中共有C 个类，每个类有 n 个样本，在人脸识别技术实际应用中，人脸图像往往难以避免有意识或无意识的遮挡或损坏，通常情况下，图像遮挡区域意味着部分信息损失，这将影响人脸识别算法的性能和精度，鲁棒稀疏表示分类将有效解决遮挡或损坏人脸识别问题，一般稀疏表示分类识别算法是用图像整个全局信息，实际情况下，人脸图像有光照变化、表情变化、姿态变化、遮挡或损坏等影响，局部信息有很大的不同，会导致全局信息的误差变大，将每个样本图像重新采样，裁剪成实验需要的大小，然后分成尺寸大小为 p?q 的子块。如图 2-3 所示，将大小为90?84像素的样本图像分割成 9 个同样大小的图像子块，每个子块的大小为30?28 像素，其中，图像子块 2 是由图像子块 1 形成的矩形框向右平移 28 个像素所得，图像子块 4 同样由图像子块 1 形成的矩形框向下平移 30 个像素所得，其余图像子块依次类推。
........

第 3 章 基于多样表示加权融合的动态字典人脸识别..........17
3.1 引言.... 17
3.2 遮挡消除......17
3.2.1 遮挡检测.........18
3.2.2 动态字典.........19
3.3 多样表示......20
3.4 实验仿真研究....... 22
3.4.1 AR 数据库.......22
3.4.2 ORL 数据库.... 23
3.4.3 Extended Yale B 数据库.....24
3.5 本章小结......25
第 4 章基于遮挡重建的单演二值编码人脸识别........27
4.1 引言.... 27
4.2 人脸图像遮挡重建..........27
4.3 单演二值编码....... 29
4.3.1 单演信号表示..........29
4.3.2 单演信号局部变化二值编码.....31
4.3.3 单演信号局部强度二值编码.....32
4.3.4 MBP 直方图....32
4.4 实验仿真研究....... 33
第 5 章 基于局部相似度统计人脸识别.....39
5.1 引言.... 39
5.2 局部相似度统计分类.....40
5.3 实验仿真研究....... 42
5.4 本章小结......47

第 5 章 基于局部相似度统计人脸识别

5.1 引言

人脸识别技术是一种同时具有高精度和低干扰性的生物识别技术，在信息安全、智能卡、访问控制、门禁以及执法监控等社会应用中具有潜在发展[51]。近 20 年在学术及工业应用方面对人脸识别技术的关注显著增加，同时也提出了很多种人脸识别方法，大多都是利用人脸图像的整体属性和全局信息，对人脸图像的轮廓、肤色等特征进行分析，对于受控条件下的人脸识别有效果明显，但在实际中很多人脸图像是在不受控制的情况下采集的，这对于人脸识别系统仍然有待研究。不受控制条件下的人脸图像，如表情变化、局部遮挡或伪装(由于太阳镜、围巾、或其他遮挡或伪装情况等)，会对人脸识别安全系统产生极大的挑战，相对于人脸图像中遮挡区域，无遮挡区域具有更重要的信息，可以忽略遮挡区域或不重要特征变化的信息对人脸识别的干扰，只利用无遮挡局部人脸信息的相似度进行分类识别，更具鲁棒性。近年来，基于局部信息分析的图像识别方法，如 Gabor 小波变换，局部二值模式、局部相似度等，广泛用于人脸图像识别[52]。Gabor 小波变换方法是对人脸图像的特定部位、频率成分和纹理方向等特征进行提取，放大人脸图像中五官等对分类识别的作用；LBP 是一种灰度尺度不变的纹理算子，通过对局部区域灰度值进行二值编码来反映该局部区域的纹理信息；而局部相似度则是通过相似度大小对人脸图像直接得到局部人脸信息。相对于全局信息人脸识别，局部相似度统计方法对光照、遮挡等具有不敏感的特性，分块后每个区域像素信息少，有效提高运算速度，且能有效提高对遮挡等的鲁棒性。在局部相似度统计方法中，首先将人脸图像进行等大小、不重叠分块，然后对同一位置的子块进行相似度计算即计算两个子块图像的欧氏距离，针对同一人脸图像的子块相似度进行排序，只取有效子块(即相似度较大的子块)的相似度叠加得到一个综合相似度，最后进行统计分类，测试图像和与之综合相似度最大的人脸图像属于同类。当人脸图像具有遮挡等因素时，被污损的局部子块与训练集样本同一位置的子块的相似度大小相近，且比无污损子块的相似度小，会影响最终人脸分类识别性能，而只取相似度较大的子块作为有效子块进行相似度叠加，则忽略了有污子块对整体人脸识别的影响，更具鲁棒性，且分类方法很直观，易实现。

.........

结 论

基于稀疏表示的人脸识别技术在近年来得到研究人员的广泛关注，本文在有遮挡或损坏的条件下，对动态字典学习、遮挡重建、加权融合、局部特征提取、分块局部统计等算法做了研究，同时融合现有相关论文算法并改进，取得了一定的研究成果：
(1) 基于多样表示加权融合的动态字典人脸识别，首先提出了一种基于动态字典的人脸识别，利用下采样的鲁棒稀疏表示检测遮挡区域，将所有样本相应区域消除生成动态字典，然后进行稀疏表示人脸识别，对于动态字典人脸识别算法消除遮挡区域后人脸信息减少，提出基于多样表示加权融合的动态字典人脸识别算法，加强每个原始样本图像中中等强度像素的重要性，同时减弱其他像素的影响，生成样本图像新的表示，并与原始样本图像进行加权融合生成新的样本集，利用动态字典进行分类识别。实验表明，该算法对遮挡或损坏条件下人脸识别效果更显著，具更高精度。
(2) 基于遮挡重建的单演二值编码人脸识别，在人脸图像有遮挡或损坏的条件下，局部遮挡区域对人脸识别形成很大的干扰，对人脸识别性能有很大的影响，因此要对遮挡或损坏区域进行一定的处理，，首先进行遮挡区域检测重建，最大程度降低遮挡或损坏区域对人脸识别的影响，对重建后的人脸图像提取单演信号局部特征，生成人脸图像局部变化特征和局部强度特征，具体分为局部幅值、局部方向、局部相位三种信号，并进行二值编码，将其串联组合进行人脸识别。实验表明，该算法具有更鲁棒、更精确的识别性能。
.........
参考文献(略)

本文编号：369821