基于生理与统计学习的真实感人脸图像年龄变换方法研究

面向在人脸识别、公安刑侦、数字娱乐等众多领域有着广泛应用潜力的真实感人脸图像年龄变换算法展开研究。该技术旨在根据对象人脸当前的照片，通过某种处理或变换，合成出该人物若干年前或若干年后可能的面貌图像。以申请人已提出的年龄比例图算法、基于模板移植的人脸衰老化算法、以及主动外观模型参数空间中的年龄轨迹算法等工作成果为基础，本研究将生理学依据与统计学习方法有机结合在一起，从人脸的皮肤生理结构出发，提出一个基于肌肉约束的区域化AAM人脸表达模型，提出一个基于马尔可夫随机场模型和年龄轨迹算法的人脸皮肤纹理衰老模式建模方法，结合人脸图像分区域表达与融合的技术，在2D图像的技术框架下提出具有一定真实感与科学依据的人脸年龄变换绘制算法及其评价准则。本研究所提算法框架具有一定的通用性，对于人脸其他属性合成的研究也有着一定的借鉴意义。

本课题针对真实感人脸图像年龄建模与变换这一总体目标，结合当前国内外该领域研究的最新发展方向，制定了以web数据学习为主要特点的技术路线，重点就数据获取、人脸全局及局部表达、人脸部件无缝拼接、光照估计及补偿、人脸年龄估计等方面展开研究工作，所取得的代表性成果包括：.1）基于Web的有标记人脸年龄图像数据获取。在Web上采集了数据规模为40k+，年龄跨度为19岁~64岁的人脸图像样本，为后续研究提供了数据基础。.2）提出一种基于交互式泊松光照传播的人像无缝拼接算法，可以实现人脸拼接图像的无缝融合，消除部件间的光照、色调显著差异。该算法在各种人脸属性变换合成中都具有通用性。.3）基于人的眼部解剖学依据，提出眼部曲线模型。与传统的点分布模型相比，具有表达更加紧致的优点，更易于生成合理的眼部变化形状。.4）基于变形约束的单模板人脸匹配算法。基于人脸生理结构的拓扑相似性，提出相对运动先验正则约束形状变形的匹配模型，相比传统的特征点匹配算法如AAM、L+K光流算法等，具有更优的匹配精度和鲁棒性。.5）提出一种人脸图像光照参数和去光照图的高精度同时估计算法，改善了光照参数估计精度，提高了人脸图像光照重绘质量。.6）基于Web数据混合约束SVR算法的人脸年龄估计算法及系统实现。针对人脸年龄图像数据在年龄轴上的分布不均匀问题，提出基于年龄点和年龄段混合约束的支持向量回归模型，有效提高了年龄估计的精度。. 上述研究成果已发表或已被录用在多个国际期刊及会议，包括IET Computer Vision、Journal of Multimedia、Pattern Recognition Letters、Image and Vision Computing、Signal Processing: Image Communication、西安交通大学学报、IEEE International Symposium on Access Spaces等。申请获批中国发明专利受理1项，申请获得2012年度陕西省科学技术奖二等奖1项。. 项目组成员先后赴法国高等电力大学IMS实验室、新加坡南洋理工大学CeMNet实验室、日本庆应义塾大学等开展学术交流及参加国际学术会议。培养了1名硕士研究生毕业及4名硕士生在读。项目主持人入选了西安交通大学第三批“青年骨干教师培养计划”。