论文部分内容阅读
二十一世纪以来,人类全面进入了高速发展的信息时代。科技的快速进步,使得人类充分享受到了高科技带来的舒适方便。与此同时,人们也更加关心信息时代下自身的信息安全。在这样的背景下,作为当前最热门的研究方向之一,人脸识别近年来得到了极大的发展。然而,过去许多关于人脸识别的研究是在受控环境下进行的。如何在环境、表情、角度等因素交错变化的实际场景下取得出色稳定的识别效果,是一个亟待解决的问题。在这样迫切的需求下,本文从一些热点问题出发,展开一系列的工作,主要包括:针对不存在失配准问题的带遮挡人脸识别场景,本文提出了一种高效的基于马尔科夫随机场的人脸局部约束编码算法。在识别过程中,首先迭代估计人脸遮挡区域。每次迭代中,利用马尔科夫随机场对区域标记进行建模,并对非遮挡区域进行局部约束编码。经过多次迭代后,最后通过估计出的人脸非遮挡区域来完成识别。如此,既避免了求解运算复杂度很高的l1最优化问题,又避免了同样耗时的穷举搜索,在保证识别率较高的前提下,所提算法极大地减少了运行时间。并且,通过对目标函数的正则化做进一步简化,该算法能得到更大的加速。针对存在失配准问题的带遮挡人脸识别场景,本文提出了一种基于加权重构误差的人脸局部约束编码算法。在校准及识别过程中,首先迭代估计校准参数、表示系数以及误差权重。在每次迭代中,利用当前校准参数校准图像,然后采用局部约束描述校准后图像的表示系数,并通过加权l2范数来约束重构误差。多次迭代后,通过最终的校准参数校准图像,并根据最终的误差权重完成对校准后图像的识别。所提算法充分利用了不同人脸之间的相关性,不仅在校准过程中更重视非遮挡像素点,而且还在分类识别过程中降低了遮挡像素点对于最后决策正确性的干扰。因此,即便同时存在遮挡干扰和人脸失配准问题,该算法也能有效地完成人脸校准及识别。本文在Extended Yale B、AR、CMU Multi-PIE、LFW等多个数据库上设计了多组仿真对比实验,实验结果一致验证了本文所提算法的可行性和有效性。