论文部分内容阅读
视频监控人脸识别可以帮助公安机关快速发现并跟踪目标人物,在公共安全中有着独特的应用优势,成为近年研究热点。实际中,受拍摄角度、拍摄环境等因素影响,往往需要人脸图像超分辨和人脸照片-画像合成等异质图像变换方法,将视频中的目标人脸图像转换为高分辨率、正面的人脸图像,以提升后续人脸识别的识别率。本文以人脸画像生成为例,说明现有基于实例的异质图像变换方法,并针对现有方法存在的不足,在邻域选择阶段进行方法创新,优化候选邻域,从而提升合成画像质量。本文的主要创新点可以做以下概括:1.提出一种基于固定邻域索引的人脸画像生成方法。现有基于实例的人脸画像生成方法基于照片-画像块局部等距假设,只利用照片块进行候选邻域搜索和权值优化,忽略了画像块流形作用,使得合成画像呈现模糊、噪声等低质现象。鉴于此,提出一种基于固定邻域索引的人脸画像生成方法,充分利用训练集合中对应照片-画像块的共现先验,使选择的候选照片-画像块同时相似,具有较高的局部等距关系。实验结果显示所提方法可以减少候选图像块噪声,大大提高了合成图像的清晰度。2.提出一种基于贝叶斯推断的人脸画像生成方法。针对现有方法在邻域选择阶段容易选择出偏离真实情况候选邻域的现象,在邻域选择阶段添加空间邻域平滑约束,提出基于贝叶斯推断的人脸画像生成方法。该方法首先利用传统方法进行初始邻域搜索,然后通过马尔科夫随机场模型,从初始候选邻域中选择重建和空间邻域平滑“最优”的前K对照片-画像块作为最终的候选图像块。最后通过马尔科夫权重场进行权值优化和后续画像合成。实验结果显示,所提方法可以选择出更符合真实情况的候选邻域,使合成图像具有较高的保真度。3.提出一种邻域优化选择的人脸画像生成方法。该方法结合基于固定邻域索引和基于贝叶斯推断的邻域选择方法的优点,首先利用基于固定邻域索引的方法从训练集合中选择出初始候选邻域。然后通过马尔科夫随机场,从初始候选邻域中选择出重建和空间邻域平滑最优的一对照片-画像块,并索引出该照片-画像块的耦合K近邻。最后通过马尔科夫权重场进行权值优化和后续画像合成。实验结果表明,所提方法可以选择出局部等距程度较高、更接近真实情况的候选,使合成画像具有较高的清晰度和保真度。