CASIA OpenIR  > 毕业生  > 博士学位论文
人脸图像的鲁棒特征提取方法研究
其他题名Robust feature representation of face images
柴振华
学位类型工学博士
导师谭铁牛
2013-06-01
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业计算机应用技术
关键词生物特征识别 人脸识别 特征提取 Gabor定序测量 Gabor相位共生 局部显著模式 语义像素集 Biometrics Face Recognition Feature Extraction Gabor Ordinal Measures Co-occurrence Of Gabor Phase Local Salient Patterns Semantic Pixel Sets
摘要人脸识别是计算机视觉和模式识别学科前沿,同时在国家公共安全、信息产业也具有广阔应用前景。 然而,在实际场景的应用中,人脸识别系统的性能通常会受到一些因素的影响,比如:光照、姿态、表情、年龄、遮挡和采集设备等。因此,提高人脸识别系统的鲁棒性变得极其重要。 人脸图像的特征分析在整个人脸识别系统中处于核心地位。本文对现有的人脸特征提取方法进行分析和归纳,并对特征提取的鲁棒性问题进行研究,提出了一种新颖的基于量化共生编码统计的人脸局部特征提取框架,主要的工作和贡献包括: 1) 针对Gabor特征的鲁棒编码问题,提出了两种改进的特征提取策略。 第一种是基于Gabor相位特征改进的人脸表征和识别方法。该方法首先将Gabor相位进行粗粒度的量化获得鲁棒的人脸表达,然后利用量化相位的共生关系进行统计描述。量化相位的共生关系极大的丰富了人脸特征表达能力,使得人脸特征集的更加完备。另一种是基于鲁棒编码改进的Gabor特征人脸表征和识别方法。该方法利用定序测量滤波器的鲁棒性和参数结构多样性对4种Gabor特征进行编码。融合的Gabor定序测量特征一方面继承了Gabor 特征的判别性,另一方面也继承了定序测量描述子的鲁棒性。融合的特征可以更好的描述人脸表观,并且对光照、表情、年龄等噪声也表现出良好的适应性。最后,利用线性判别分析方法使整体人脸特征的鉴别能力得到进一步提高,同时采用一种两阶段的区域选择策略使整体特征表达更加紧致。 2)针对LBP特征的鲁棒编码问题,提出了利用局部显著性改进的特征提取策略。LBP以其计算高效性方面在低功耗的移动设备上获得了成功应用。我们方法仅选用LBP局部差分计算过程中最稳定的正向最大和负向最小的比对结果进行编码并且作直方图统计分析。在计算量保持大致一致的前提下,提出的局部显著模式在对抵抗各种噪声的鲁棒性方面与LBP相比均有所提高。此外,通过对高阶局部显著模式的分析表明,不同阶局部显著模式对不同的噪声具有不同的抵抗能力,因此采用多阶局部显著模式融合的策略,系统整体性能获得进一步提高。 3)针对人脸局部特征统计方法,提出了对表情鲁棒的分块策略。在过去大量论文数据显示,人脸采用分块策略提取的特征会比全局特征在受各种噪声影响的情况下会表现的更加鲁棒。然而传统的分块方法存在一定的问题:I)人脸区域划分的块数需手动调节;II) 如果子块划分的越粗略,则提取的特征稳定性增强但是判别性能下降;反之如果子块划分的越精细,则提取的特征判别性能增强,但是鲁棒性下降。本文利用信息熵学习的方法来自动决定每个粗略划分的人脸区域应该划分的人脸子块数,然后利用聚类的方法来对每个区域里的局部特征进行统计分析。该方法在一定程度上解决了传统分块方法仅考虑空间关系但由于夸张表情影响导致的非对应块比对引起的错误识别,为后续表情鲁棒的特征表达提供前提条件。 总的来说,本文对人脸特征提取的鲁棒性问题展开研究,针对现有经典的两类局部特征(Gabor和LBP)在鲁棒性问题进行了有益的探索和研究,提出了一系列改进策略,提高了人脸识别算法的整体性能。
其他摘要Face recognition is one of the frontier research topics in computer vision and pattern recognition, and at the same time it has been widely used in national public security and information industry applications. However, when applied in real world scenarios, the performance of face recognition system will be affected by some factors, for example, illumination, pose, expression, age, occlusion and different capture devices etc. Hence, it is extremely important to improve the robustness of face recognition system. Feature analysis of the face image plays a key role in the whole face recognition system. This paper analyzes and summarizes the existing face feature extraction algorithms, and studies the robustness of feature extraction. A novel facial local feature extraction framework based on statistics of Quantized Co-occurrence Encodings is proposed. The main work and contribution include: 1)In order to improve the robustness of the Gabor feature encoding, two strategies are proposed. One of them is a kind of advanced face representation and recognition method based on Gabor phase features. This method first quantifies the Gabor phase features in a coarse way, and then estimates the statistical descriptions of the co-occurrence quantified phase information. The use of the co-occurrence information of the quantified Gabor phase features enriches the face representation greatly, which makes the face feature set more complete. The other strategy is a kind of advanced face representation and recognition method based on robust encoding of Gabor features. This method encodes 4 kinds of Gabor features using ordinal measures, which have the advantages of the robustness and parameter structure diversity. The fused feature integrates distinctiveness of Gabor features and also robustness of ordinal measures. The fused feature can better represent the face image, and exhibits good adaptability to various kinds of noise, e.g. illumination, expression and age. Finally, the discriminability of the grouped face feature is further enhanced by the linear discriminant analysis, meanwhile a two-stage block selection method is proposed to make the whole feature representation more compact. 2)To improve the encoding robustness of LBP operator, we propose an advanced feature extraction strategy by using the salient information. LBP obtains great success in low-cost mobile device due to its high computational efficiency. Our method is proposed to encode with only the two ...
馆藏号XWLW1883
其他标识符201018014629079
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6554
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
柴振华. 人脸图像的鲁棒特征提取方法研究[D]. 中国科学院自动化研究所. 中国科学院大学,2013.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20101801462907(13526KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[柴振华]的文章
百度学术
百度学术中相似的文章
[柴振华]的文章
必应学术
必应学术中相似的文章
[柴振华]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。