论文部分内容阅读
二十一世纪人工智能和互联网行业在飞速发展,而机器视觉是人工智能正在飞速发展的一个分支,其应用遍布各个领域,如:工业、农业、医药、军事、航天等,机器视觉就是用机器代替人眼来做测量和判断。近年来,人脸识别一直是机器视觉、模式识别和图像处理领域的研究热点之一,是基于人脸的特征信息进行身份识别的一种生物识别技术,在身份鉴定、监控系统、企业及住宅安全和管理、公安司法搜捕逃犯、自助服务等领域进行广泛应用。素描人脸识别是根据素描人脸进行识别的人脸识别。素描人脸识别主要在公安司法案件侦破中进行应用,在案件没有犯罪嫌疑人的确定照片时,通过对素描图片与人脸照片的比对,可以帮助调查者锁定或缩小犯罪嫌疑人的范围。目前,素描人脸识别的研究备受关注。早期的单特征素描人脸识别方法,采用的是单个全局特征或者单个局部特征,对特征信息使用存在明显不足。近年来,多特征素描人脸识别方法成为热门研究方向,在识别效果上取得了很大的进展,但依然存在很多问题,比如识别准确率仍有提升空间等。本文结合全局特征和局部特征,采用多特征融合的方式进行素描人脸识别。主要工作如下:(1)现有的采用基于多全局特征提取的素描人脸识别,对图像的人脸表情和姿态的变化不具有鲁棒性,过高的维数增加训练过程中发生过拟合的几率,在人脸识别过程中缺少局部信息;现有的基于多局部特征提取的素描人脸识别,在人脸识别过程中缺少对全局特征信息的使用,针对这些问题,提出多特征融合的素描人脸识别方法(Multi-feature fusion sketch face recognition method,MFSR)。对图像依次提取方向梯度直方图特征,局部二值模式特征和分块局部二值模式特征,对三个特征采用加权的方式进行融合。通过计算素描图像与人脸图像的欧式距离匹配出与素描图像最相近的人脸图。实验结果表明,此方法在正确识别率上有一定提升。(2)针对现有的分块局部二值模式对所有的子块采用相同的权值,并不能突出子块的突出特征的问题,采用不同权值的分块局部二值模式特征进行素描人脸识别提出加权多特征融合的素描人脸识别方法一(Weighted multi-feature fusion sketch face recognition method,WMFSR1)。根据人脸识别认知理论,人类在人脸识别认知过程中主要依靠人脸的结构信息和特征信息,结构信息即全局特征,特征信息即局部特征,局部特征越明显,就越容易对人脸进行辨识。不同权值的分块局部二值模式,通过把图像分割为若干块,对于大多数都是背景图的块赋予相对较低的权值,对应大多数都是人脸的块则赋予相对较高的权值,通过对不同块分配不同的权值,使得不同图像之间更容易辨识。实验结果表明,此方法在正确识别率上较优。方法一是对整张图片提取方向梯度直方图特征,得到整张图片的结构信息,并没有突出人脸部分的结构信息,所以本文在方法一的基础上提出多特征融合的素描人脸识别方法二(Weighted multi-feature fusion sketch face recognition method,WMFSR2),对人脸图片与素描图片依次提取方向梯度直方图特征、局部方向梯度直方图特征和分块局部二值模式特征,然后对三种特征计算距离,最后根据距离得到匹配图片。实验结果表明,此方法在识别率上优于其他方法。