索引词: |
| 人脸识别,不受控制的形象,归一化、平滑、融合、梯度,重建、特征提取、多面模型,频带的选择。 |
介绍 |
| 人脸识别一直快速增长在过去的几年中它的许多用途领域的执法、生物识别技术,安全,和其他商业用途。在人脸识别增加了可靠性明显仍然是不准确的。正确分类的能力形象取决于各种变量包括照明,姿势,面部表情,和图像质量。脸是最常用的人互相认识。通过它的进化,人类的大脑已经开发了高度专业化的领域,致力于分析面部图像。 |
| 在过去的几十年中,人脸识别一直是一个活跃的研究领域和许多类型的算法和技术提出了等于这个人类大脑的能力。然而质疑脸本身是一个足够的认识基础,一个人从人口众多的准确性。事实上,人类的大脑也依赖于上下文信息和作用于有限的人口。 |
| 最成问题的摄动影响人脸识别系统的性能强劲的姿势和照明的变化。变化之间的不同面孔的图像一般小于取自相同的脸在各种各样的环境中。 |
| 面对检定系统验证一个人的身份和决定声称声称身份是否正确。在这种情况下我们有有限的用户组和在大多数情况下我们可以强迫或需求额提出方向。不幸的是我们还有照明条件的问题。人脸识别测试显示,照明变体是人脸识别/验证的瓶颈之一。如果照明条件不同于画廊身份决定在许多情况下是错误的。这个问题有两种方法。基于模型的和preprocessing-based。 |
| 基于模型的尝试光线变化模型。不幸的是,这需要大量的训练数据,有时当我们有复杂的照明配置。第二种方法使用预处理方法去除照明影响效果没有任何额外的知识。所以这些方法不够实用的识别系统在大多数情况下。 |
| 该系统用于匹配两个脸同一个人在不同的光照条件下的图像。在预处理阶段照明敏感图像转换成illumination-insensitive图像,然后将多个分类器与补充功能而不是提高单个分类器的精度。评分融合计算分数的加权和,的重量是衡量鉴别力的组件分类器。在这个系统展示了成功在不同光照条件下的人脸识别精度。 |
| 光照变化是人脸识别的主要障碍。因为脸图像的表象下同一个人改变不同的灯饰。有时,变化不同的灯饰在同一个人大于不同的人在相同的照明。 |
| 预处理算法来减小光照变化对人脸识别的影响已经被开发出来,和许多发展和优势发生在三维面部模型训练阶段。提出了一个基于图像的技术,采用对数总变差模型因式分解的两个对齐的脸图像到一个illumination-invariant illumination-dependent组件和组件。 |
| 特性用于人分类提取识别任何针对环境变化的不变性的脸图像。在本文中,我们扩展情况[6]来处理大量的有效控制面图像。这样做学习过程是独立于各种选择使用一个二维离散傅里叶变换频带。这个特性提取框架介绍为了消除不必要的频率部分的场合要求人脸识别。三种类型的傅里叶特征域,连接真实和虚构的组件,傅里叶光谱,和相角,表示。 |
| 每个分类器提取的信息总结了在每个分类器产生的分数。因此,结合分类器可以通过处理组件分类器产生的组分数和生成一个新的单一的分数值。我们称之为“分数融合过程。“以前的评分方法融合包括求和规则,产品规则、加权和,贝叶斯方法,和投票。在本文中,我们考虑一个分数融合方法基于概率的方法,(LLR)即对数似然比人脸识别。 |
提出了人脸识别系统 |
| 提出的人脸识别系统包括小说illumination-insensitive预处理方法,混合Fourier-based面部特征提取和融合方案。首先,在预处理阶段,面对图像转化为一个illumination-insensitive图像,称为“整体归一化梯度图像,”正常化和集成的面部图像的平滑渐变。互补的特征提取分类器,多个脸模型基于混合应用傅里叶特征。 |
| 从不同的傅里叶混合傅里叶特征提取领域在不同的频率带宽,然后每个功能是分别按线性判别分析分类的。此外,多个模型是由复数规范化脸图像有不同的眼睛距离。最后,从多个互补结合分数分类器,一个日志ratio-based评分融合方案应用可能性。该系统包括三个阶段, |
| ? ?Illumination-insensitive预处理方法 |
| ? ?混合Fourier-based面部特征提取 |
| ? ?分数融合方案 |
光照不敏感预处理方法 |
| 相比控制照明工作室的变化(在室内,同一天,开销),实现在不受控制的照明情况下识别精度高(户外、不同天)是困难的。主要原因是光照变化引起的图像失真让不同的人在相同的光照条件下的图像更相似,而不是同一个人在不同光照变化的图像。 |
| 在光照归一化图像分析技术将被执行。这里考虑了两个因素。内在因素是光照自由和代表的身份一脸的形象,而光照变化,外在因素非常敏感,只有部分身份信息包含在3 - d形状。illuminationinsensitive图像可以通过提高内在因素和令人沮丧的输入图像的外在因素。 |
| 光照不敏感的预处理方法是在这个系统的第一阶段。在这个阶段输入图像被分解为低频分量和高频分量图像形象。高频率分量图像进行平滑,在低频组件上执行图像正常化。重建是由结合低和高频率分量图像进行处理。这就是所谓的归一化梯度图像积分。 |
| 图3。结构的整体归一化梯度图像 |
| 完全删除的照明变化会导致损失为人脸识别有用的信息,我们融合重建图像与原始输入图像。 |
特征提取 |
| 在这个人脸识别系统与选择性频率带宽和多个人脸模型基于不同的眼睛距离。获得更强大的识别特性,提取多块傅里叶特征。 |
| 首先将输入图像分成几块,然后应用二维离散傅里叶过滤每一块。傅里叶特征提取模块由乐队选择规则终于连接。 |
| 在特征提取三个不同的傅里叶特征提取真实和虚构的成分(RI)领域,傅里叶谱(Γ)领域,和相位角(Φ) |
| 在不同的频域带宽(B1, B2, B3)。傅里叶特征都是独立地投射到歧视PCLDA子空间的理论。 |
多个模型的人脸识别 |
| 在计算机视觉任务,内部面部组件已被普遍采用,因为外部特性(如,头发)太变量进行人脸识别。然而,在人类的情况,结果表明,内部和外部面部表情很重要,而且,人类视觉系统有时强利用整体头部形状为了确定面部的身份。 |
| 在这方面,这里提出一个多个模型,该模型包括三个脸模型与眼睛的距离在同一图像大小不同。它的目的是模仿人类视觉系统和检查面临来自内部的面部图像组件外部面部形状。 |
| 最后一个,占主导地位的模式,是一种优良的模型和粗模型之间的妥协。现在,他们都有自己的个人有趣的方面进行分析,每个面模型可以为他人发挥固有的作用在人脸识别系统。 |
分数融合 |
| 结合分类器可以通过处理组件分类器产生的组分数和生成一个新的单一的分数值。这个过程被称为“融合。“在这个系统评分融合方法基于概率的方法,即loglikelihood比率(LLR)人脸识别。 |
| 如果地面真理已知分布的分数,LLR-based评分融合是最优的。然而,真正的分布是未知的,所以我们必须估计分布。提出一个简单的近似最优分数融合基于参数估计的分数分布的训练数据集。 |
实验结果和讨论 |
| 拟议的系统使用一个Matlab程序实现GUI,它是压缩图像的评估。算法的性能评估在一些真实的图片。这些照片是使用最广泛的标准测试图像用于人脸识别算法。 |
| 原始图像被分解为低频分量和高频分量图像形象。高频组件上执行平滑,低频组件上执行规范。重建是由结合低和高频率分量图像进行处理。 |
| 人脸识别过程与GUI的实现。这里输入图像条件将规范化使用预处理技术提取特征分类器是用于识别的输入图像数据基地的形象。 |
| 识别率(RR) |
| 识别率是用来评估各种人脸识别算法的质量。RR公式定义如下: |
| RR =数量的正确识别面孔×100总数的脸 |
| 处理时间是过程评价该方法的计算时间和每个局部的特征提取阶段基于功能的方法。 |
结论 |
| 人脸识别系统预处理,特征提取和分类器,分数融合方法不受控制的照明情况。首先,预处理方法,一张脸图像转换为illuminationinsensitive形象。混合Fourier-based分类器与多面模型,主要包括三个傅里叶域中,连接真实的和虚构的组件,傅里叶谱和相位角。 |
| 傅里叶特征提取每个域内自己的合适的频段,并获得最大的判别能力的类,每个特性与PCLDA投射到子空间线性区别的计划。多个面模型,即好,主导和粗面模型。有相同的图像大小不同的眼睛距离。 |
| 多个脸模型执行的总比显性模型。此外,有效利用多个分类器,比分融合方法基于LLR最后阶段的人脸识别系统。 |
未来的工作 |
| 在这个工作包括构成变化和时代变化为了增加图像的识别率,以防失控条件。基于仿射变换的姿势变化(与额构成图像构成校正)和年龄变化模拟基于年龄和年龄的映射。 |
数据乍一看 |
 |
 |
| 图1 |
图2 |
|
引用 |
- Belhumeur P。N和d . j . Kriegman“图像的集合对象的所有可能的照明条件下的吗?,“inProc。之,Comput.Vis。Recognit模式。,Jun. 1996, pp. 270– 277.
- Ramamoorthi。R和p•汉拉罕”光辉和辐照度之间的关系:确定一个凸的illuminationfrom图像传感器的对象,“j .选择,Soc。Amer卷。18日,没有。10日,2448 - 2459年,2001页。
- Shashua。A和t . Riklin-Raviv“商形象:基于类重新呈现和识别不同的灯饰,“IEEE反式。模式肛门。马赫。智能。,vol. 23, no. 2, pp. 129–139, Feb. 2001.
- 王。H, s·李,王y“广义商形象,”Proc, IEEE.Comput。粘度Recognit模式。,Jul.2004, vol. 2, pp. 498–505.
- 李、w .阴和z邓,“基于图像的照明转移使用对数总变差模型,“J.Comput Int。图。,vol. 26, no. 1, pp. 41–49, Nov. 2009.
- 先进的脸LDA使用傅里叶描述符和强度特性,ISO / IEC JTC1 / SC29 / wg11 - mpeg - 8998, Oct.2002。
- a . Jain, k . Nandakumar和a·罗斯,“分数多通道生物识别系统的规范化,”Recognit模式。,vol.38,不。12日,第2285 - 2270页,2005年12月。
- j .难应付的m . Hatef r . p . Duin和j . Matas IEEE反式分类器相结合,。模式肛门。马赫。智能。,vol.20, no. 3, pp. 226–239, Mar. 1998.
|
菜单
