论文部分内容阅读
人脸识别一直是模式识别与机器学习领域中备受关注的热门话题。近年来,人脸识别技术取得了很大的突破,提出了很多高效率高准确率的人脸识别方法。但这些方法在实际应用中并没有达到理想的识别精度,还需要进一步的发展与完善。本文重点研究了基于语义特征的人脸匹配技术,结合人脸对齐方法和语义特征提取方法,对人脸部件进行了形状特征和纹理特征分析,依据人脸部件的语义分类结果判别人脸的身份。在人脸对齐中,提出了一种基于3D形状参数回归的人脸对齐算法,将3D人脸形状变换分解为三维空间变换和正脸形状变换,在二级形状参数回归框架下,通过迭代低维的3D形状参数实现人脸的对齐。该方法具有较高的对齐效率和对齐准确率,在300-w复杂人脸数据库上取得了较好的对齐效果。通过对比实验,验证了该算法的优越性。在特征提取中,将人脸特征采用6种部件形状特征和4种部件纹理特征表示,包括了眼睛形状、眉毛形状、鼻子形状、嘴巴形状、轮廓形状、人脸布局、眼睛纹理、眉毛纹理、鼻子纹理和嘴巴纹理。在部件形状特征分析中,采用了2D正脸形状进行部件形状分析,分别对每个部件建立形状模型,并定义出相应的语义分类标准。利用2D正脸形状分析部件形状特征,有效减少了姿态因素对部件形状的影响。在部件纹理特征分析中,采用2D人脸形状定位到部件位置并抠取部件图片,使用了Gabor+LBP的特征提取方法,提取每个部件的纹理特征,并通过Kmeans算法对每个部件进行了语义特征归类。在人脸比对中,使用了语义特征编码方法整合了两张人脸的语义特征,并通过逻辑回归方法,计算出最终的匹配结果。本文实现了基于语义特征的人脸匹配算法,在CASIA WebFace人脸数据库上进行了对比实验。实验结果表明,本文算法具有良好的匹配效果,在测试数据库上达到了83.2%的匹配正确率,优于传统的LBP、Gabor等人脸匹配算法。同时,本文算法具备良好的稳定性和扩展性,能直接用于人脸表情分析、人脸搜索等领域中。