论文部分内容阅读
人脸皱纹特征属于人脸图像上的面部细纹理,其具有非结构化和不确定性等特点,准确的提取到人脸皱纹信息是提高人脸识别准确率的关键所在,有助于身份识别,为自动化判断年龄、年龄分组提供了重要依据,同时也为计算机模拟人脸皱纹的三维重建提供了有力参考。本文基于图像的人脸皱纹提取技术的相关研究,开启了年龄评估领域的新课题,其具有重要的学术价值和现实意义。本文针对人脸皱纹提取精度低的问题,研究并提出了基于人脸检测、人脸对齐、特征提取与分类器设计的相关算法,并在公开年龄库FG-NET和自收集的人脸图像上进行了大量实验,实验结果表明本系统能够在消除或减少人脸纹理特征受到光照等自然条件影响的前提之下,准确提取到基于图像的儿童、中年、老年的皱纹特征,并采用人工标注与计算机自动识别进行对比的方式,对实验结果进行分析,基于此本文的主要研究内容如下:(1)基于Adaboost算法的人脸检测方法针对人脸检测效率较低的问题,研究并使用一种Adaboost算法,用以级联若干弱分类器构建强分类器,统计计算检测滑动检测窗口中Haar-like特征的总数,并且使用积分图的方法加快Haar-like特征的计算,最终使用矩形边框标记出人脸初始位置区域,实验结果表明使用该方法可加快人脸检测的检测速度同时检测的准确率在80%以上。(2)基于主动轮廓模型的人脸外轮廓提取算法针对人脸检测精度低的问题,研究并使用一种外轮廓提取算法,即利用主动轮廓模型在人脸检测的基础之上进行人脸内脸的提取,实验结果表明人脸内脸的提取可降低光照、噪音等一些客观因素的影响,提高检测的精度。(3)基于人脸对齐算法的关键点定位方法针对人脸皱纹提取准确率较低的问题,本文利用人脸对齐算法获取人脸易出现皱纹的眼角、嘴角、额头等区域的关键点坐标值,在RGB像素的纹理局部图像上提取方向梯度直方图特征(Histogram of Oriented Gradient,HOG),利用支持向量机(Support Vector Machine,SVM)的分类器分类识别人脸皱纹区域。最后将实验的最终结果与传统的主动表观模型结合贝叶斯分类器的研究方法进行了对比,表明了本文基于图像的人脸皱纹提取系统能够有效避免在儿童脸上皱纹检测上出现的巨大误差并可较好的提取到中年、老年等人群脸部的皱纹特征。