面向遮挡条件下的人脸识别方法研究

Illumination, pose and occlusions are major factors affecting the performance of face recognition system, and have not yet been solved. In particular, occlusion can cause the loss of facial information, the interference for facial feature extraction and recognition, and even leads to the failure of face recognition algorithms. How to extract facial features not affected by occlusion and effectively represent the occluded face is the key to solving this problem. This proposal will focus on the key technology of face recognition under occlusion, and aim to further improve the accuracy and robustness of face recognition systems. By analyzing the impact of occlusions on face recognition algorithms, the main idea includes the following aspects. Firstly, we propose to extract discriminative information of sparse residuals of test sample (occluded face image) under different subjects. Secondly, we propose to proposal face samples onto the associated low-rank space, while impose a constraint on correlation between different classes of face structure, and extract the intrinsic features which is robust to occlusion. Finally, we introduce a weight function into the linear regression classification method. The proposed method can adaptively determines the corrupted pixels and assigns small weight on those pixels, and can reduce the impact of occlusions on coding. This research is expected to enrich the theory and algorithms of face recognition, and to provide theoretical and technical supports for the application.

光照、姿态以及遮挡是影响人脸识别系统性能的主要因素，目前尚未得到很好解决。其中，遮挡会造成人脸图像信息缺失，干扰对面部特征的抽取，甚至导致人脸识别算法失效。如何提取不受遮挡影响的人脸特征以及对遮挡人脸进行有效表示是该方向研究重点和难点。本项目将重点研究遮挡条件下人脸识别的关键技术，其目的是进一步提高人脸识别系统的精度和鲁棒性。通过分析遮挡区域对人脸识别算法的影响，本项目的主要研究思路是：研究利用测试图像（带遮挡人脸图像）在不同类别下分解得到的稀疏残差成分抽取人脸的判别性特征；研究将人脸样本向低秩空间投影，同时约束不同类别人脸结构之间的相关性，从而抽取出不受遮挡影响的人脸本质特征；研究在线性回归分类方法中引入权重表示函数，自适应判别测试图像中的遮挡像素点并赋予其较小的权重，以减小其对测试图像编码的影响。本项目的研究有望丰富人脸识别的相关理论和算法，为实际应用提供理论和技术支持。

本项目重点研究了遮挡条件下人脸图像识别的关键技术，其目的是进一步提高人脸识别系统的精度、鲁棒性和实用性。从图像的特征提取和图像的表示两方面展开研究内容，研究思路是：研究利用测试图像（带遮挡人脸图像）在不同类别下分解得到的稀疏残差成分解决遮挡人脸的判别性特征提取问题，提出基于灰度直方图技术的稀疏度度量准则抽取残差图像的稀疏性特征；研究在残差图像表示框架下的遮挡人脸表示和识别问题，提出融合图像小波分解和信息熵的人脸判别性特征提取方法；研究针对假冒人脸照片和视频攻击的活体人脸检测问题，提出基于图像翻拍特征(图像镜面反射特征、颜色比例特征和模糊度特征)提取的活体人脸检测方法；研究判别人脸图像中的遮挡区域，并减小其对测试图像编码影响的问题，提出基于自适应遮挡区域估计和判别性特征提取的非负字典学习方法；研究准确提取图像大尺度边缘的图像模糊核估计问题，提出结合空间尺度和L0范数的单幅图像清晰化复原方法。在国际公开数据集上与现有先进方法的对比实验表明了提出方法的有效性和可行性。本项目在理论研究方面有望进一步丰富人脸识别领域的相关理论和算法，在实际应用方面有望为人脸识别技术走向大规模应用提供技术支持。本项目在学术论文发表、专利申请、科技竞赛等方面均取得了一定的成果，研究计划执行顺利，完成预期目标。