基于同源连续性原理的人脸老化建模与识别方法研究

The phenomenon of facial aging across age progression resulting in the performance of automatic face recognition system declines as the duration for registration is extended, has severely restricted the popularization of face recognition technique in many applications such as criminals screening, credential verification and other ID recognition technique. This project aims to increase the robustness of age invariant face recognition, in-depth studies the Principle of Homology- Continuity (PHC) in face aging process, builds face-aging model based on the methods of high-dimensional geometric analysis and complex geometric forms covering. On this basis, the techniques for processing face images aging simulation and feature projection methods are further developed, research is carried out in the covering learning theory and key algorithm for the homologous continuous distribution trace of aging image sequence in the feature space, moreover, a new robustness age-invariant face recognition approach is achieved by means of calculating the distribution relationship between unknown sample points and specific multi-dimensional complex geometrical units, and, the age-invariant face model as well as the effectiveness of its recognition method are verified and modified accordingly through some theory and experiment analysis. Research on this subject will contribute to the interdisciplinary cross-integration of machine learning, geometric modeling, cognitive computing and pattern recognition, which is of great academic significance, and meanwhile provides key theoretical and technical support for national developing visual cognitive computing, improving the performance of face recognition systems and the authentication related security control, which is of momentous strategic value.

人脸随着年龄的增长而逐渐老化导致自动人脸识别系统随着注册时间的延长而性能下降的现象，严重制约了人脸识别技术的推广应用。本项目以提高自动人脸识别技术对于人脸老化过程的鲁棒性为目标，深入分析人脸老化过程中的同源连续性规律，研究图像中人脸的年龄估计技术，并基于深度神经网络探索人脸老化过程的建模方法，发展虚拟人脸逐步老化的特征映射技术；研究实现人脸老化过程在特征空间中的同源连续分布轨迹的覆盖学习理论与关键算法，通过高维空间点的分布分析，实现具有年龄老化鲁棒性的人脸识别新方法；通过理论与实验分析，对人脸老化模型及其识别方法的有效性进行检验和修正。本课题的研究将促进机器学习、几何建模、认知计算、模式识别的跨学科交叉融合，具有重要的学术研究意义，同时将为我国发展视觉认知计算技术、提高人脸识别系统性能、改善身份认证相关的安全控制等，提供关键理论支撑和技术保障，具有重要的战略应用价值。

人脸老化过程中的纹理和形状变化，严重限制了人脸识别系统达到规模化和实用化水平，且无法通过应用环境的设置与识别对象的配合来予以克服。因此，建立人脸老化模型并研究跨年龄的人脸识别技术具有重要意义。本项目首先通过多种方式构建了包含10890人、835695张人脸图像的年龄数据集ADCAS，为分析人脸老化过程的非线性特征及人脸老化建模提供了数据基础；研究了年龄估计方法，并提出能够针对复杂背景、不同姿态等人脸图像进行准确年龄估计的多种方法；针对人脸老化过程的缓慢、连续特性，提出了基于三角形坐标系拓扑变形与基于条件对抗生成网络的两种人脸老化模拟方法，这两种方法基于人脸老化过程的“同源连续性”规律，利用高维仿生信息学中的三角形拓扑变形方法和条件生成对抗网络来实现准确、真实自然的人脸老化图像生成；针对人脸识别问题中的老化鲁棒性问题，本项目研究了一系列相关技术以解决老化变化对人脸识别性能的影响。首先提出了一种人脸检测方法，在暗环境光条件下仍能保证对人脸的高检测率；第二，提出了一种能够多平台实时应用的人脸特征点定位方法；第三，提出了一种自适应模板更新的判别式KCF人脸跟踪方法，以解决人脸跟踪算法中的目标旋转、遮挡和快速运动问题；第四，针对人脸老化图像年龄跨度较大问题，根据人类形象认知特性提出了一种基于仿生学的不相关局部保持鉴别分析特征提取方法，以提取对老化变化鲁棒的人脸特征；第五，通过对覆盖学习理论的深入研究和探讨，提出了一种基于高维空间点集拓扑的高阶拓扑神经元模型，该模型在跨年龄人脸识别中体现了其较强的泛化能力；第六，基于DCNN，提出了一种梯度增强的Softmax损失函数设计方法，可帮助深度卷积网络提取对年龄变化鲁棒的人脸特征。基于人脸检测、特征点定位与特征提取、模式识别相关方法项目组提出了基于同源连续性的人脸老化鲁棒性识别方法，该方法ADCAS数据集的多年龄段与跨年龄识别结果均表明了其有效性