基于語(yǔ)義特征的人臉匹配算法研究與實(shí)現(xiàn).pdf

1、人臉識(shí)別一直是模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域中備受關(guān)注的熱門話題。近年來，人臉識(shí)別技術(shù)取得了很大的突破，提出了很多高效率高準(zhǔn)確率的人臉識(shí)別方法。但這些方法在實(shí)際應(yīng)用中并沒有達(dá)到理想的識(shí)別精度，還需要進(jìn)一步的發(fā)展與完善。本文重點(diǎn)研究了基于語(yǔ)義特征的人臉匹配技術(shù)，結(jié)合人臉對(duì)齊方法和語(yǔ)義特征提取方法，對(duì)人臉部件進(jìn)行了形狀特征和紋理特征分析，依據(jù)人臉部件的語(yǔ)義分類結(jié)果判別人臉的身份。
　　在人臉對(duì)齊中，提出了一種基于3D形狀參數(shù)回歸的人臉對(duì)齊算法

2、，將3D人臉形狀變換分解為三維空間變換和正臉形狀變換，在二級(jí)形狀參數(shù)回歸框架下，通過迭代低維的3D形狀參數(shù)實(shí)現(xiàn)人臉的對(duì)齊。該方法具有較高的對(duì)齊效率和對(duì)齊準(zhǔn)確率，在300-w復(fù)雜人臉數(shù)據(jù)庫(kù)上取得了較好的對(duì)齊效果。通過對(duì)比實(shí)驗(yàn)，驗(yàn)證了該算法的優(yōu)越性。
　　在特征提取中，將人臉特征采用6種部件形狀特征和4種部件紋理特征表示，包括了眼睛形狀、眉毛形狀、鼻子形狀、嘴巴形狀、輪廓形狀、人臉布局、眼睛紋理、眉毛紋理、鼻子紋理和嘴巴紋理。在部件形

3、狀特征分析中，采用了2D正臉形狀進(jìn)行部件形狀分析，分別對(duì)每個(gè)部件建立形狀模型，并定義出相應(yīng)的語(yǔ)義分類標(biāo)準(zhǔn)。利用2D正臉形狀分析部件形狀特征，有效減少了姿態(tài)因素對(duì)部件形狀的影響。在部件紋理特征分析中，采用2D人臉形狀定位到部件位置并摳取部件圖片，使用了Gabor+LBP的特征提取方法，提取每個(gè)部件的紋理特征，并通過 Kmeans算法對(duì)每個(gè)部件進(jìn)行了語(yǔ)義特征歸類。
　　在人臉比對(duì)中，使用了語(yǔ)義特征編碼方法整合了兩張人臉的語(yǔ)義特征，并通