显著性多特征融合人脸识别研究

Face recognition is a kind of biological characteristics recognition technology, and it has special advantage. In face recognition, the different face features are much more different at the contribution of face recognition. In general, several key features lead to differences among many kinds of the human face. Face recognition based on multi-features fusion is also one of the development trend. Therefore, the feature salience evaluation mechanism and multi-features fusion method are the key points of this project. After researching sequentiality and hierarchical represented by human biological vision in the process of identifying target, project group converts features reliable modeling and recognition problem caused by random change to the target features extraction, features selection and fusion recognition. Secondly, project group presents the method based on the salience feature extraction and feature selection. Then, project group organizes and expresses the face features with probability and statistics as criteria, and establishes salience level of face features. Finally, for the selected salience features, research group takes the improved DS evidence theory decision-level fusion which is based on minimum error rate. And, in the fusion process, constantly updates face confidence degree function. This mothed reflects adequately the fact that feature is the more salience and contribution is huger to face recognition. The research results of this project are expected to provide some references for other target recognition.

人脸识别是生物特征识别技术的一种，且具有特定的优势。在人脸识别过程中，不同的人脸特征对人脸识别的贡献存在较大的差异，往往是几个关键性的特征在引导着人脸之间的差别，而多特征融合的人脸识别也是目前发展的趋势之一。因此，人脸特征显著性的评价机制以及多特征的融合方法成为本课题研究的重点。课题组在研究了人类视觉在实际识别目标过程中表现出的序贯性和层次性，将由于多种随机变化引起的特征可靠建模和识别问题转化为目标特征提取、选择和融合识别问题。提出基于显著性的人脸特征提取和特征选择方法，以概率统计为准则来组织和表达人脸的特征，建立人脸特征的显著性层次模型。对于优选出的显著性特征，采用基于最小错误概率的改进DS证据理论决策级融合方式，融合过程中不断更新人脸的置信度函数，充分体现了"越显著的人脸特征对于人脸识别的贡献越大"这个事实。该课题的研究成果，有望对其他类目标识别技术提供一定的参考和借鉴。

人脸识别是生物特征识别技术的一种，并且在生物特征认证方面，人脸识别具有特定的优势。人脸识别的研究不仅具有深远的社会和经济意义，而且对于国家信息安全也具有非常重要的战略意义，已经成为各国竞相重点发展的战略技术之一。当前，人脸识别技术也取得了许多丰硕的研究成果，但是仍然存在许多问题：如光照的剧烈变化和人脸姿态的变化；分辨率低；人脸是非刚性物体，难以完全描述其特征；人脸被遮挡，如胡须、眼镜、帽檐等，都成了人脸识别技术中有待解决的问题。课题主要研究内容包括：人脸图像预处理研究、人脸不变性特征的提取与选择研究、人脸不变性特征显著性的定量评价与多特征融合人脸识别研究。课题组针对以上研究内容，所做的代表性工作及标志性成果有：围绕已有的全局平衡补偿法、局部平衡补偿法和“参考白”补偿法的基础上，积极探索一种更加有效的光照补偿算法：单亮区单暗区自商图像法。针对人脸检测易受光照影响的问题，课题组在自商图像处理方法的基础上，提出一种基于改进肤色模型的人脸检测方法。进而，提出一种改进参考白和稀疏网络模型结合的彩色人脸检测方法。课题组还研究了一种改进人脸模板建模的人脸识别方法。在低分辨率人脸识别中，针对LBP特征在低分辨率人脸图像上识别率较低的问题，课题组提出了一种基于分块中心对称局部二值模式(CS-LBP)和加权PCA算法的低分辨率人脸识别算法。在人脸识别的前期工作-人脸检测中，针对人眼检测过程中存在的表情、光照和眼镜遮挡等干扰因素的影响，提出一种基于Gabor滤波和K-medoid聚类分析的人眼检测和瞳孔定位方法，以更准确的定位人脸。针对人脸图像显著性特征检测研究，课题组研究了融合局部特征与全局特征的图像显著性目标检测研究，获得了较好的实验结果。为了研究基于视觉注意机制的显著性特征融合研究，课题组首先尝试在车牌识别系统中做了部分研究，取得了理想的实验结果。在将该研究方法移植到人脸识别过程中，由于人脸特征的复杂性，遇到了一定的困难。目前，课题组正在对此问题进行攻关研究。该课题的研究成果，对视觉显著性目标检测与识别以及其它类生物特征识别的研究具有一定的参考和借鉴意义。