第10卷第1期 智能系统学报 Vol.10No.1 2015年2月 CAAI Transactions on Intelligent Systems Feb.2015 D0I:10.3969/j.issn.1673-4785.201312064 网络出版地址：http://www.cnki.net/kcms/detail/23.1538.TP.20150113.1131.010.html 一种基于特征匹配的人脸配准判断方法 阮晓虎，李卫军，覃鸿，董肖莉，张丽萍 (中国科学院半导体研究所高速电路与神经网络实验室，北京100083) 摘要：现有的人脸识别应用系统大都忽略了人脸配准的检查，造成“误配准灾难”，导致识别性能下降。因此，对规 格化后的人脸图像进行判断筛选，以保证只有正确配准的人脸图像才能用于后续识别。选用一定数量正确配准的 规格化人脸图像平均值作为标准人脸，用SFT关键点定位方法得到标准人脸的多个关键点，采用分块的梯度方向直 方图统计方法提取关键点的邻域图像特征：然后，将标准人脸的关键点位置作为待检测人脸的定位点，用同样的方 法提取定位点的邻域图像特征：计算待检图像与标准人脸图像对应关键点的特征矢量相似度，设定合理阈值判断待 检测图像是否配准。实验证明，该方法能有效去除误配准人脸图像，有利于提高人脸识别系统的可靠性。 关键词：人脸识别：图像规格化：配准判断：图像特征：SFT描述子：梯度方向直方图：关键点定位：图像匹配 中图分类号：TP183文献标志码：A文章编号：1673-4785(2015)01-0012-08 中文引用格式：阮晓虎，李卫军，覃鸿，等.一种基于特征匹配的人脸配准判断方法[J].智能系统学报，2015,10(1)：12-19. 英文引用格式：RUAN Xiaohu,LI Weijun,QIN Hong,etal.An assessment method for face alignment based on feature matching[J]. CAAI Transactions on Intelligent Systems,2015,10(1):12-19. An assessment method for face alignment based on feature matching RUAN Xiaohu,LI Weijun,QIN Hong,DONG Xiaoli,ZHANG Liping (Institute of Semiconductors,Chinese Academy of Sciences,Beijing 100083,China) Abstract:The lacking of confirmation for face alignment leads to an incorrect feature match.The decline of recogni- tion rate in current application of face recognition is called "mis-alignment crash".Therefore,it is necessary to test and filter the normalized face images to make sure only the aligned face images can go through the recognition pro- cedure.In the method,a bunch of right-alignment normalized face images were used to form a mean face which was defined as the standard face.The key points location theory of SIFT was used to get the key points of standard face and the features of neighboring images were extracted on the basis of blocked statistical histogram in gradient orien- tation.The location of key points of a standard face was taken as the positioning point of a face to be detected.Using the same method to extract the features of neighboring images showed that the similarities of the test images to the standard face were calculated according to their corresponding feature descriptors of the key points.A reasonable threshold was chosen to estimate and classify the images according to their similarities to standard face.The experi- ment proved that this method is effective in eliminating mis-aligned face image effectively and is beneficial for in- creasing the reliability of a face recognition system. Keywords:face recognition;image normalization;alignment assessment;image feature;SIFT descriptor;gradient orientation histogram;key point location;image matching 人脸识别是利用计算机技术通过人脸的图像信 收稿日期：2013-12-31.网络出版日期：2015-01-13. 基金项目：国家自然科学基金资助项目(90920013). 息辨别不同身份的技术，迄今已有近50年的历史。 通信作者：李卫军.E-mail:wjli@scmi.ac.cn. 人脸识别的一般步骤是采集图像数据、图像预处理
第 员园 卷第 员 期摇摇摇摇 摇摇摇 摇 摇摇摇 智 能 系 统 学 报摇摇摇摇摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 灾燥造援员园翼援员 圆园员缘 年 圆 月摇摇摇摇摇摇摇摇摇摇摇 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 云藻遭援 圆园员缘 阅韵陨院员园援猿怨远怨 辕 躁援蚤泽泽灶援员远苑猿鄄源苑愿缘援圆园员猿员圆园远源 网络出版地址院澡贼贼责院 辕 辕 憎憎憎援糟灶噪蚤援灶藻贼 辕 噪糟皂泽 辕 凿藻贼葬蚤造 辕 圆猿援员缘猿愿援栽孕援圆园员缘园员员猿援员员猿员援园员园援澡贼皂造 一种基于特征匹配的人脸配准判断方法 阮晓虎袁 李卫军袁 覃鸿袁 董肖莉袁 张丽萍 渊中国科学院半导体研究所 高速电路与神经网络实验室袁北京 员园园园愿猿冤 摘 要院现有的人脸识别应用系统大都忽略了人脸配准的检查袁造成野误配准灾难冶 袁导致识别性能下降遥 因此袁对规 格化后的人脸图像进行判断筛选袁以保证只有正确配准的人脸图像才能用于后续识别遥 选用一定数量正确配准的 规格化人脸图像平均值作为标准人脸袁用 杂陨云栽 关键点定位方法得到标准人脸的多个关键点袁采用分块的梯度方向直 方图统计方法提取关键点的邻域图像特征曰然后袁将标准人脸的关键点位置作为待检测人脸的定位点袁用同样的方 法提取定位点的邻域图像特征曰计算待检图像与标准人脸图像对应关键点的特征矢量相似度袁设定合理阈值判断待 检测图像是否配准遥 实验证明袁该方法能有效去除误配准人脸图像袁有利于提高人脸识别系统的可靠性遥 关键词院人脸识别曰图像规格化曰配准判断曰图像特征曰杂陨云栽 描述子曰梯度方向直方图曰关键点定位曰图像匹配 中图分类号院栽孕员愿猿 摇 文献标志码院粤摇 文章编号院员远苑猿鄄源苑愿缘渊圆园员缘冤园员鄄园园员圆鄄园愿 中文引用格式院阮晓虎袁 李卫军袁 覃鸿袁 等援 一种基于特征匹配的人脸配准判断方法咱允暂援 智能系统学报袁 圆园员缘袁 员园渊员冤 院 员圆鄄员怨援 英文引用格式院砸哉粤晕 载蚤葬燥澡怎袁蕴陨 宰藻蚤躁怎灶袁匝陨晕 匀燥灶早袁藻贼 葬造援 粤灶 葬泽泽藻泽泽皂藻灶贼 皂藻贼澡燥凿 枣燥则 枣葬糟藻 葬造蚤早灶皂藻灶贼 遭葬泽藻凿 燥灶 枣藻葬贼怎则藻 皂葬贼糟澡蚤灶早咱允暂援 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽袁 圆园员缘袁 员园渊员冤 院 员圆鄄员怨援 粤灶 葬泽泽藻泽泽皂藻灶贼 皂藻贼澡燥凿 枣燥则 枣葬糟藻 葬造蚤早灶皂藻灶贼 遭葬泽藻凿 燥灶 枣藻葬贼怎则藻 皂葬贼糟澡蚤灶早 砸哉粤晕 载蚤葬燥澡怎袁 蕴陨 宰藻蚤躁怎灶袁 匝陨晕 匀燥灶早袁 阅韵晕郧 载蚤葬燥造蚤袁 在匀粤晕郧 蕴蚤责蚤灶早 渊 陨灶泽贼蚤贼怎贼藻 燥枣 杂藻皂蚤糟燥灶凿怎糟贼燥则泽袁 悦澡蚤灶藻泽藻 粤糟葬凿藻皂赠 燥枣 杂糟蚤藻灶糟藻泽袁 月藻蚤躁蚤灶早 员园园园愿猿袁 悦澡蚤灶葬冤 粤遭泽贼则葬糟贼院栽澡藻 造葬糟噪蚤灶早 燥枣 糟燥灶枣蚤则皂葬贼蚤燥灶 枣燥则 枣葬糟藻 葬造蚤早灶皂藻灶贼 造藻葬凿泽 贼燥 葬灶 蚤灶糟燥则则藻糟贼 枣藻葬贼怎则藻 皂葬贼糟澡援 栽澡藻 凿藻糟造蚤灶藻 燥枣 则藻糟燥早灶蚤鄄 贼蚤燥灶 则葬贼藻 蚤灶 糟怎则则藻灶贼 葬责责造蚤糟葬贼蚤燥灶 燥枣 枣葬糟藻 则藻糟燥早灶蚤贼蚤燥灶 蚤泽 糟葬造造藻凿 寓 皂蚤泽鄄葬造蚤早灶皂藻灶贼 糟则葬泽澡寓 援 栽澡藻则藻枣燥则藻袁 蚤贼 蚤泽 灶藻糟藻泽泽葬则赠 贼燥 贼藻泽贼 葬灶凿 枣蚤造贼藻则 贼澡藻 灶燥则皂葬造蚤扎藻凿 枣葬糟藻 蚤皂葬早藻泽 贼燥 皂葬噪藻 泽怎则藻 燥灶造赠 贼澡藻 葬造蚤早灶藻凿 枣葬糟藻 蚤皂葬早藻泽 糟葬灶 早燥 贼澡则燥怎早澡 贼澡藻 则藻糟燥早灶蚤贼蚤燥灶 责则燥鄄 糟藻凿怎则藻援 陨灶 贼澡藻 皂藻贼澡燥凿袁 葬 遭怎灶糟澡 燥枣 则蚤早澡贼鄄葬造蚤早灶皂藻灶贼 灶燥则皂葬造蚤扎藻凿 枣葬糟藻 蚤皂葬早藻泽 憎藻则藻 怎泽藻凿 贼燥 枣燥则皂 葬 皂藻葬灶 枣葬糟藻 憎澡蚤糟澡 憎葬泽 凿藻枣蚤灶藻凿 葬泽 贼澡藻 泽贼葬灶凿葬则凿 枣葬糟藻援 栽澡藻 噪藻赠 责燥蚤灶贼泽 造燥糟葬贼蚤燥灶 贼澡藻燥则赠 燥枣 杂陨云栽 憎葬泽 怎泽藻凿 贼燥 早藻贼 贼澡藻 噪藻赠 责燥蚤灶贼泽 燥枣 泽贼葬灶凿葬则凿 枣葬糟藻 葬灶凿 贼澡藻 枣藻葬贼怎则藻泽 燥枣 灶藻蚤早澡遭燥则蚤灶早 蚤皂葬早藻泽 憎藻则藻 藻曾贼则葬糟贼藻凿 燥灶 贼澡藻 遭葬泽蚤泽 燥枣 遭造燥糟噪藻凿 泽贼葬贼蚤泽贼蚤糟葬造 澡蚤泽贼燥早则葬皂 蚤灶 早则葬凿蚤藻灶贼 燥则蚤藻灶鄄 贼葬贼蚤燥灶援 栽澡藻 造燥糟葬贼蚤燥灶 燥枣 噪藻赠 责燥蚤灶贼泽 燥枣 葬 泽贼葬灶凿葬则凿 枣葬糟藻 憎葬泽 贼葬噪藻灶 葬泽 贼澡藻 责燥泽蚤贼蚤燥灶蚤灶早 责燥蚤灶贼 燥枣 葬 枣葬糟藻 贼燥 遭藻 凿藻贼藻糟贼藻凿援 哉泽蚤灶早 贼澡藻 泽葬皂藻 皂藻贼澡燥凿 贼燥 藻曾贼则葬糟贼 贼澡藻 枣藻葬贼怎则藻泽 燥枣 灶藻蚤早澡遭燥则蚤灶早 蚤皂葬早藻泽 泽澡燥憎藻凿 贼澡葬贼 贼澡藻 泽蚤皂蚤造葬则蚤贼蚤藻泽 燥枣 贼澡藻 贼藻泽贼 蚤皂葬早藻泽 贼燥 贼澡藻 泽贼葬灶凿葬则凿 枣葬糟藻 憎藻则藻 糟葬造糟怎造葬贼藻凿 葬糟糟燥则凿蚤灶早 贼燥 贼澡藻蚤则 糟燥则则藻泽责燥灶凿蚤灶早 枣藻葬贼怎则藻 凿藻泽糟则蚤责贼燥则泽 燥枣 贼澡藻 噪藻赠 责燥蚤灶贼泽援 粤 则藻葬泽燥灶葬遭造藻 贼澡则藻泽澡燥造凿 憎葬泽 糟澡燥泽藻灶 贼燥 藻泽贼蚤皂葬贼藻 葬灶凿 糟造葬泽泽蚤枣赠 贼澡藻 蚤皂葬早藻泽 葬糟糟燥则凿蚤灶早 贼燥 贼澡藻蚤则 泽蚤皂蚤造葬则蚤贼蚤藻泽 贼燥 泽贼葬灶凿葬则凿 枣葬糟藻援 栽澡藻 藻曾责藻则蚤鄄 皂藻灶贼 责则燥增藻凿 贼澡葬贼 贼澡蚤泽 皂藻贼澡燥凿 蚤泽 藻枣枣藻糟贼蚤增藻 蚤灶 藻造蚤皂蚤灶葬贼蚤灶早 皂蚤泽鄄葬造蚤早灶藻凿 枣葬糟藻 蚤皂葬早藻 藻枣枣藻糟贼蚤增藻造赠 葬灶凿 蚤泽 遭藻灶藻枣蚤糟蚤葬造 枣燥则 蚤灶鄄 糟则藻葬泽蚤灶早 贼澡藻 则藻造蚤葬遭蚤造蚤贼赠 燥枣 葬 枣葬糟藻 则藻糟燥早灶蚤贼蚤燥灶 泽赠泽贼藻皂援 运藻赠憎燥则凿泽院枣葬糟藻 则藻糟燥早灶蚤贼蚤燥灶曰 蚤皂葬早藻 灶燥则皂葬造蚤扎葬贼蚤燥灶曰 葬造蚤早灶皂藻灶贼 葬泽泽藻泽泽皂藻灶贼曰 蚤皂葬早藻 枣藻葬贼怎则藻曰 杂陨云栽 凿藻泽糟则蚤责贼燥则曰 早则葬凿蚤藻灶贼 燥则蚤藻灶贼葬贼蚤燥灶 澡蚤泽贼燥早则葬皂曰 噪藻赠 责燥蚤灶贼 造燥糟葬贼蚤燥灶曰 蚤皂葬早藻 皂葬贼糟澡蚤灶早 收稿日期院圆园员猿鄄员圆鄄猿员援 摇 网络出版日期院圆园员缘鄄园员鄄员猿援 基金项目院国家自然科学基金资助项目渊怨园怨圆园园员猿冤援 通信作者院李卫军援耘鄄皂葬蚤造院 憎躁造蚤岳 泽藻皂蚤援葬糟援糟灶援 摇 摇 人脸识别是利用计算机技术通过人脸的图像信 息辨别不同身份的技术袁迄今已有近 缘园 年的历史遥 人脸识别的一般步骤是采集图像数据尧图像预处理尧
第1期 阮晓虎，等：一种基于特征匹配的人脸配准判断方法 ·13· 人脸定位、人脸图像规格化、人脸特征提取、特征匹 理想的人脸定位算法：2)在人脸识别系统的“特 配。在单人脸识别或者人脸注册等过程中，为了保证 征提取”步骤之前，对规格化人脸图像进行配准 人脸特征库和用于识别的人脸图像特征的统一性，必 判断，去除错误配准的图像，防止误配准图像进 须保证规格化后的人脸图像在眼睛、鼻子、嘴巴等部 入后续流程而造成识别性能的下降。 位的相对位置与标准人脸精确配准。人脸配准问题 本文从消除误配准的思路出发，提出一种人脸 首先是由山世光等提出，是指在人脸识别过程中， 配准的判断方法，根据ST的关键点定位理 测试图片与训练图片的关键部位的位置是否匹配。 论[9,146)，使用一种基于关键点邻域分块梯度方向 文献[1]指出：大多数被错误识别的样本完全可以通 直方图统计的图像特征提取方法提取待检测图像和 过精确调整眼睛的位置得到正确的识别结果，也就是 标准人脸的特征，依据待检测图像与标准人脸图像 说，识别性能的下降很大程度上是由于自动定位的眼 的特征匹配相似度来判断人脸图像是否正确配准。 睛位置不够准确造成的。在实际应用中，由人脸误配 2算法流程 准问题引起的识别率的下降时有发生。因此，在人脸 识别系统中，保证规格化后用于识别的人脸图像的正 2.1算法框架 确配准变得越来越重要。 针对人脸识别中规格化完成后的人脸图像，本 算法通过比较待测图像与标准人脸的特征相似度来 1 相关工作 实现配准判断，以筛选用于识别的定位正确的人脸 误配准对于人脸识别系统的不同阶段有着不同 图像。算法步骤为：1)通过现有的人脸定位程序， 的影响，对于人脸特征库建模阶段，误配准将导致人 对人脸库中图像进行定位，经过图像分割规格化后 脸特征库的信息不准确，直接造成系统拒绝识别或 选出500张正确配准的人脸图片，求平均人脸图像 者识别为他人，对于识别阶段，误配准将导致识别率 作为标准人脸（此处选取定位正确的图片是在统一 严重下降。文献[2]讨论了DAGR对误配准程度的 光照条件下，去除了表情等因素影响的图片，作为算 鲁棒性虽比Fisher face方法强，但还是一定程度的 法的先验知识)：2)用SIFT关键点定位算法在标准 造成了“误配准灾难”。 人脸上确定关键点K(K的信息包含位置KL,个数 解决“误配准灾难”问题有2条技术途径：1) P),并用本文基于关键点邻域梯度方向直方图统计 提高人脸图像配准的精确度及采用鲁棒性强的 的方法提取标准人脸图像特征，将该特征作为标准 特征，文献[3-5]从精确人脸定位的方法入手，很 矢量模板（记为ST):3)将标准人脸的关键点应用 大程度地改善了人脸配准，文献[6]通过构建多 为待测试人脸图像的定位点，同样由本文基于关键 层次人脸配准算法，矫正了人脸图像，文献[7]比 点邻域梯度方向直方图统计的方法提取待测试人脸 较分析了3种不同的技术ASM(active shape mod-- 定位点的图像特征（记为MT):4)求标准人脸特征 el)CLM(constrained local model)AAM(active ST与待测试人脸特征MT的余弦相似度，标记大于 appearance model)用于自动高密集度标记的人脸 设定阈值的图像为正确配准的图像，否则，标记为错 配准方法，得到了较好的配准效果，尽管如此，人 误配准的图像。算法流程如图1所示。 脸定位仍然存在一定概率的错误，目前还不存在 关键点 选择 c特征提取 标准矢量 h 模板ST 标准图像 500张定位正 关键点 确人脸图像 提取 本文 e定位点应用 特征 相似 S是否 Y 提取 度S 大于 正确配准 方法 國值 待测特征 错误配准 特征提取 矢量MT 图1 本文算法流程 Fig.1 Algorithm flow chart
人脸定位尧人脸图像规格化尧人脸特征提取尧特征匹 配遥 在单人脸识别或者人脸注册等过程中袁为了保证 人脸特征库和用于识别的人脸图像特征的统一性袁必 须保证规格化后的人脸图像在眼睛尧鼻子尧嘴巴等部 位的相对位置与标准人脸精确配准遥 人脸配准问题 首先是由山世光等提出咱员暂 袁是指在人脸识别过程中袁 测试图片与训练图片的关键部位的位置是否匹配遥 文献咱员暂指出院大多数被错误识别的样本完全可以通 过精确调整眼睛的位置得到正确的识别结果袁也就是 说袁识别性能的下降很大程度上是由于自动定位的眼 睛位置不够准确造成的遥 在实际应用中袁由人脸误配 准问题引起的识别率的下降时有发生遥 因此袁在人脸 识别系统中袁保证规格化后用于识别的人脸图像的正 确配准变得越来越重要遥 员摇 相关工作 摇 摇 误配准对于人脸识别系统的不同阶段有着不同 的影响袁对于人脸特征库建模阶段袁误配准将导致人 脸特征库的信息不准确袁直接造成系统拒绝识别或 者识别为他人袁对于识别阶段袁误配准将导致识别率 严重下降遥 文献咱圆暂讨论了 阅粤郧砸 对误配准程度的 鲁棒性虽比 云蚤泽澡藻则 枣葬糟藻 方法强袁但还是一定程度的 造成了野误配准灾难冶 遥 解决野误配准灾难冶问题有 圆 条技术途径院员冤 提高人脸图像配准的精确度及采用鲁棒性强的 特征袁文献咱 猿鄄缘暂从精确人脸定位的方法入手袁很 大程度地改善了人脸配准袁文献咱远暂 通过构建多 层次人脸配准算法袁矫正了人脸图像袁文献咱苑暂 比 较分析了 猿 种不同的技术 粤杂酝渊 葬糟贼蚤增藻 泽澡葬责藻 皂燥凿鄄 藻造冤 尧 悦蕴酝 渊 糟燥灶泽贼则葬蚤灶藻凿 造燥糟葬造 皂燥凿藻造冤 尧 粤粤酝 渊 葬糟贼蚤增藻 葬责责藻葬则葬灶糟藻 皂燥凿藻造冤 用于自动高密集度标记的人脸 配准方法袁得到了较好的配准效果袁尽管如此袁人 脸定位仍然存在一定概率的错误袁目前还不存在 理想的人脸定位算法曰圆冤 在人脸识别系统的野 特 征提取冶 步骤之前袁对规格化人脸图像进行配准 判断袁去除错误配准的图像袁防止误配准图像进 入后续流程而造成识别性能的下降遥 本文从消除误配准的思路出发袁提出一种人脸 配准 的 判 断 方 法袁 根 据 杂陨云栽 的关键点定位理 论咱怨袁员源鄄员远暂 袁使用一种基于关键点邻域分块梯度方向 直方图统计的图像特征提取方法提取待检测图像和 标准人脸的特征袁依据待检测图像与标准人脸图像 的特征匹配相似度来判断人脸图像是否正确配准遥 圆摇 算法流程 圆援员摇 算法框架 针对人脸识别中规格化完成后的人脸图像袁本 算法通过比较待测图像与标准人脸的特征相似度来 实现配准判断袁以筛选用于识别的定位正确的人脸 图像遥 算法步骤为院员冤通过现有的人脸定位程序袁 对人脸库中图像进行定位袁经过图像分割规格化后 选出 缘园园 张正确配准的人脸图片袁求平均人脸图像 作为标准人脸渊此处选取定位正确的图片是在统一 光照条件下袁去除了表情等因素影响的图片袁作为算 法的先验知识冤曰圆冤用 杂陨云栽 关键点定位算法在标准 人脸上确定关键点 运 渊 运 的信息包含位置 运蕴袁 个数 孕 冤 袁并用本文基于关键点邻域梯度方向直方图统计 的方法提取标准人脸图像特征袁将该特征作为标准 矢量模板渊记为 杂栽 冤曰猿冤将标准人脸的关键点应用 为待测试人脸图像的定位点袁同样由本文基于关键 点邻域梯度方向直方图统计的方法提取待测试人脸 定位点的图像特征渊记为 酝栽 冤 曰源冤求标准人脸特征 杂栽 与待测试人脸特征 酝栽 的余弦相似度袁标记大于 设定阈值的图像为正确配准的图像袁否则袁标记为错 误配准的图像遥 算法流程如图 员 所示遥 图 员摇 本文算法流程 云蚤早援员摇 粤造早燥则蚤贼澡皂 枣造燥憎 糟澡葬则贼 第 员 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 阮晓虎袁等院 一种基于特征匹配的人脸配准判断方法 窑员猿窑
·14 智能系统学报 第10卷 2.2标准矢量模板的产生 图像的SIFT关键点。图像的SIFT关键点由如下步 2.2.1标准人脸的产生 骤得到，对图像1,1)由式(1)构建图像的尺度空间 本算法中用到的标准人脸是定位正确人脸图像 ,即 的参考图像，这决定了本算法的操作对象是预处理 L(x,y,o）=G(x,y,o）×I(x,y）(1) 完成后与标准人脸具有相同规格的规格化人脸图 G(x,y,)=exp(-(x2+y2)/2w2)/2mc2 像。下面介绍一种人脸识别中关于人脸定位、切割 式中：I(x,y)为点(x,y)像素值，σ为尺度因子。 及规格化的实现方法，也是本文实验部分所使用的 2)建立图像的高斯金字塔(difference of Gaussian, 人脸预处理方法。 DOG),记为D(x,y,σ)，在DOG空间中检测局部极 对于初步预处理完成的人脸图像，采用文献 值。D(x,y,o)由式(2)得到 [17]中给出的基于图像几何复杂度的方法进行人 D(x,y,)=(D(x,y,ko)-D(x,y,))xI(x,y)= 脸定位，获得人脸的双眼坐标位置和脸部区域如图 L(x,y,ko）-L(x,y,o) (2) 2(a)所示。根据两眼连线与图像水平线的角度0 式中：k表示在尺度空间L中不同尺度级的索引，此 确定人脸是否为正面人脸，并旋转有偏斜的人脸图 处，kσ与σ表示差分的图像尺度空间为2个相邻 像使之成为正面人脸。根据文献[5]中的人脸切分 的尺度级。在DOG空间中，如果检测到某像素值在 尺寸结合实验修正，对旋转完成后的人脸图像按图 本层及相邻层中是局部极值，即认为该点是图像的 2(b)所示的尺寸对图像做切割，其中d为眼矩（即 一个关键点。局部极值检测如图3所示。 双眼之间的距离)，图像左右边缘到眼睛的距离均 DOG空间 为0.7d,上边缘到两眼中间距离为0.8d,下边缘到 两眼中间距离为1.6d,切割完成的图像如图2(c)。 对切割完成的人脸图像规格化为40×40，如图 当前层 2(d)所示。 关键点 0.8d 0.7d +0.7d 相邻层 关键点 邻域值 1.6d 图3DOG空间极值点检测 (a)人脸定位 (b)人脸切割尺寸 Fig.3 Extreme points detection of DOG space 用2.2.1节得到的标准人脸经过以上SFT关键 点提取得到关键点K,表示为 K={P,KL}={P,{(x1y1),(x2y2),…,(xpyP)}} 式中：KL={(x1y1）,(x2y2),…,(xp,yp)}为关 键点的位置，P为关键点个数。 关键点的选取基于这样一个事实：对于定位正 (C)切割之后图像 (d)规格化图像 确的人脸，按统一的人脸切割方法得到的人脸图像 图2人脸切割 在眼睛、鼻子、嘴巴等关键部位必定有着相同的相对 Fig.2 Face segmentation 位置，相应地如果人脸定位超过一定偏差，剪切后 应用上述方法，选择500张定位正确的规格化后 的人脸图像在上述关键部位与标准人脸必定无法配 的图像求得平均人脸，将该平均人脸设定为标准人脸。 准。需要注意的是，在不同的算法应用中，标准人脸 需要注意的是，当使用不同的定位、切割及规格化方法 的SFT关键点位置和数目可能不同。但是，选取标 时，标准人脸需要使用新的规格化图像重新产生。 准人脸的SFT关键点作为产生标准矢量模板的关 2.2.2选取关键点 键点，并对所有被检测人脸图像统一使用该关键点， 本文人脸定位配准检测的关键点采用标准人脸 在配准判断中具有统一性和可比性。同时，这种关
圆援圆摇 标准矢量模板的产生 圆援圆援员摇 标准人脸的产生 本算法中用到的标准人脸是定位正确人脸图像 的参考图像袁这决定了本算法的操作对象是预处理 完成后与标准人脸具有相同规格的规格化人脸图 像遥 下面介绍一种人脸识别中关于人脸定位尧切割 及规格化的实现方法袁也是本文实验部分所使用的 人脸预处理方法遥 对于初步预处理完成的人脸图像袁采用文献 咱员苑暂中给出的基于图像几何复杂度的方法进行人 脸定位袁获得人脸的双眼坐标位置和脸部区域如图 圆渊葬冤所示遥 根据两眼连线与图像水平线的角度 兹 确定人脸是否为正面人脸袁并旋转有偏斜的人脸图 像使之成为正面人脸遥 根据文献咱缘暂中的人脸切分 尺寸结合实验修正袁对旋转完成后的人脸图像按图 圆渊遭冤所示的尺寸对图像做切割袁其中 凿 为眼矩渊即 双眼之间的距离冤 袁图像左右边缘到眼睛的距离均 为 园援苑凿袁 上边缘到两眼中间距离为 园援愿凿袁 下边缘到 两眼中间距离为 员援远凿袁 切割完成的图像如图 圆渊糟冤遥 对切割完成的人脸图像规格化为 源园 伊 源园袁 如图 圆渊凿冤所示遥 图 圆摇 人脸切割 云蚤早援圆摇 云葬糟藻 泽藻早皂藻灶贼葬贼蚤燥灶 摇 摇 应用上述方法袁选择 缘园园 张定位正确的规格化后 的图像求得平均人脸袁将该平均人脸设定为标准人脸遥 需要注意的是袁当使用不同的定位尧切割及规格化方法 时袁标准人脸需要使用新的规格化图像重新产生遥 圆援圆援圆摇 选取关键点 本文人脸定位配准检测的关键点采用标准人脸 图像的 杂陨云栽 关键点遥 图像的 杂陨云栽 关键点由如下步 骤得到袁对图像 陨袁 员冤由式渊员冤构建图像的尺度空间 蕴袁 即 蕴渊曾袁赠袁滓冤 越 郧渊曾袁赠袁滓冤 伊 陨渊曾袁赠冤 渊员冤 郧渊曾袁赠袁滓冤 越 藻曾责渊 原 渊曾圆 垣 赠圆 冤 辕 圆滓圆 冤 辕 圆仔滓圆 式中院 陨渊曾袁赠冤 为点 渊曾袁赠冤 像素值袁 滓 为尺度因子遥 圆冤建立图像的高斯金字塔渊 凿蚤枣枣藻则藻灶糟藻 燥枣 郧葬怎泽泽蚤葬灶袁 阅韵郧冤 袁记为 阅渊曾袁赠袁滓冤 袁 在 阅韵郧 空间中检测局部极 值遥 阅渊曾袁赠袁滓冤 由式渊圆冤得到 阅渊曾袁赠袁滓冤 越 渊阅渊曾袁赠袁噪滓冤 原 阅渊曾袁赠袁滓冤 冤 伊 陨渊曾袁赠冤 越 蕴渊曾袁赠袁噪滓冤 原 蕴渊曾袁赠袁滓冤 渊圆冤 式中院 噪 表示在尺度空间 蕴 中不同尺度级的索引袁此 处袁 噪滓 与 滓 表示差分的图像尺度空间为 圆 个相邻 的尺度级遥 在 阅韵郧 空间中袁如果检测到某像素值在 本层及相邻层中是局部极值袁即认为该点是图像的 一个关键点遥 局部极值检测如图 猿 所示遥 图 猿摇 阅韵郧 空间极值点检测 云蚤早援猿摇 耘曾贼则藻皂藻 责燥蚤灶贼泽 凿藻贼藻糟贼蚤燥灶 燥枣 阅韵郧 泽责葬糟藻 摇 摇 用 圆援圆援员 节得到的标准人脸经过以上 杂陨云栽 关键 点提取得到关键点 运袁 表示为 运 越 { } 孕袁运蕴 越 孕袁 渊曾员袁赠员冤袁渊曾圆袁赠圆冤袁窑窑窑袁渊曾孕袁赠 { } { } 孕冤 式中院 运蕴 越 渊曾员 袁赠员 冤袁渊曾圆 袁赠圆 冤袁窑窑窑袁渊曾孕 袁赠 { } 孕 冤 为关 键点的位置袁 孕 为关键点个数遥 关键点的选取基于这样一个事实院对于定位正 确的人脸袁按统一的人脸切割方法得到的人脸图像 在眼睛尧鼻子尧嘴巴等关键部位必定有着相同的相对 位置袁相应地袁如果人脸定位超过一定偏差袁剪切后 的人脸图像在上述关键部位与标准人脸必定无法配 准遥 需要注意的是袁在不同的算法应用中袁标准人脸 的 杂陨云栽 关键点位置和数目可能不同遥 但是袁选取标 准人脸的 杂陨云栽 关键点作为产生标准矢量模板的关 键点袁并对所有被检测人脸图像统一使用该关键点袁 在配准判断中具有统一性和可比性遥 同时袁这种关 窑员源窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷
第1期 阮晓虎，等：一种基于特征匹配的人脸配准判断方法 ·15· 键点的选择具有SFT关键点定位的理论依据，也符 ·,m×m)组合起来即构成了该关键点K的特征 合一定的观察经验。对于定位正确的人脸图像，这 向量Tp 些关键点位置总是特征信息最丰富的点。 To=UT。(c=1,2,…,m×m) 2.2.3提取特征向量 最后，将所有关键点的特征向量组合起来即得 本文采用基于关键点邻域梯度方向直方图统计 到标准矢量模板ST: 的特征提取方法提取人脸图像特征。对图像Ⅰ和某 ST={Tp)Ip=1,2,…,P} 一个关键点Kp,以关键点为中心取0×e的窗口 考虑算法不同的应用，可以根据图像的复杂程 (记为W)作为一个块(Block),再将该窗口W划分 度和处理目标的要求选取窗口大小心和方向个数 为m×m个单元(Cel),如图4所示。 n,需要突出细节信息时，选取较小的窗口0和较大 兔 的方向个数，一般来说，块、单元及方向划分个数 可以分别选择0=16，m=4,n=8。 23人脸图像配准判断 对待测试图像，配准判断是通过待检测图像特 单元 征矢量MT与标准矢量模板ST的匹配相似度来度 量，该相似度也表示了待测试图像与标准人脸图像 像索 的相似性（文中图像间的相似度均由对应图像的特 征矢量间的相似度来表示)，判断时，该相似度达到 设定阈值即判定为正确配准人脸图像，否则，即是误 配准人脸图像。待检测图像特征矢量MT的求取统 图4关键点块和单元划分 一采用2.2节中产生标准矢量模板时用到的关键点 Fig.4 Block and cell division for the key points K和特征向量的求取方法，得到P个关键点的特征 在图像F中，像素点L(x,y)的梯度幅值和方 向量Tt,表示为 向的计算公式为 MT={Tmp)Ip=1,2,…,Py A(x,y)=|L(x+1,y)-L(x-1,y)I+ 求出待检测图像特征矢量MT与标准矢量模板 1L(x,y+1)-L(x,y-1)1 ST中各关键点对应特征向量的余弦相似度S。: L(x,y+1)-L(x,y-1) Tpl·Tp) p(x,y)=arctanL(+1,y）-(x-1,y） 77p=12,…P月 计算各单元中像素点的梯度幅值A和方向O, 再根据各关键点对最终判决的贡献大小Y对 将方向值量化到n个方向： 各相似度加权，得到待检测图像特征矢量MT与标 准矢量模板ST的匹配相似度S: f=2mk/n(k=0,1,··,n-1) 式中：n为方向个数划分。然后，由中心点与关键点 S=∑y,S。(p=1,2,…,P) K。重合的高斯窗口函数G.对窗口W内梯度幅值A 在试验中，可以发现对P个关键点的相似度求平 进行加权： 均作为总体相似性时，S的值可以很好的实现分类， G.(x,y)=exp(-(x2+2)/20)/2mo2 即对y取值为y。=1/P(式中，p=1,2,…,P)。设 AW(x,y)=Ax G=A(x,y)exp(-(x2+y2)/20) 判定阈值为Seau,对于S≥mebold的待测试图像， 式中：σ为加权因子，取值σ=w/2,AW为加权后梯 判断其为正确配准人脸图像，否则判断为定位错误人 度幅值，(x,y)∈W,x',y∈[-0,0]。 脸图像，实验中，Sreshold取值范围为0.68-0.74。 对单元c,统计n个方向的加权梯度幅值AW形 2.4算法分析和讨论 成方向梯度直方图T。。在单元c中扫描每个像素 人脸配准判断应该引起足够的重视，但是，该步 点梯度方向，则T。为 骤的算法复杂度不应大于人脸特征提取和识别等更 (T.+AW:,0:=2πk/n T)= 重要的步骤，这一点限定了配准判断算法所允许的 T,其他 复杂度。 式中：k=0,1,…,n-1,i∈c,n为方向个数，i为 ST特征提取在图像匹配方面表现出了优良 单元c中像素点索引。将所有单元格T(c=1,2, 的性质，例如：对旋转、尺度、亮度变化的稳定性、图
键点的选择具有 杂陨云栽 关键点定位的理论依据袁也符 合一定的观察经验遥 对于定位正确的人脸图像袁这 些关键点位置总是特征信息最丰富的点遥 圆援圆援猿摇 提取特征向量 本文采用基于关键点邻域梯度方向直方图统计 的特征提取方法提取人脸图像特征遥 对图像 陨 和某 一个关键点 运责袁 以关键点为中心取 憎 伊 憎 的窗口 渊记为 宰 冤作为一个块渊 月造燥糟噪冤 袁再将该窗口 宰 划分 为 皂 伊 皂 个单元渊悦藻造造冤 袁如图 源 所示遥 图 源摇 关键点块和单元划分 云蚤早援源摇 月造燥糟噪 葬灶凿 糟藻造造 凿蚤增蚤泽蚤燥灶 枣燥则 贼澡藻 噪藻赠 责燥蚤灶贼泽 摇 摇 在图像 云 中袁像素点 蕴渊曾袁赠冤 的梯度幅值和方 向的计算公式为 粤渊曾袁赠冤 越渣 蕴渊曾 垣 员袁赠冤 原 蕴渊曾 原 员袁赠冤 渣 垣 渣 蕴渊曾袁赠 垣 员冤 原 蕴渊曾袁赠 原 员冤 渣 渍渊曾袁赠冤 越 葬则糟贼葬灶 蕴渊曾袁赠 垣 员冤 原 蕴渊曾袁赠 原 员冤 蕴渊曾 垣 员袁赠冤 原 蕴渊曾 原 员袁赠冤 摇 摇 计算各单元中像素点的梯度幅值 粤 和方向 韵袁 将方向值量化到 灶 个方向院 枣 越 圆仔噪辕灶 渊噪 越 园袁员袁窑窑窑袁灶 原 员冤 式中院 灶 为方向个数划分遥 然后袁由中心点与关键点 运孕 重合的高斯窗口函数 郧憎 对窗口 宰 内梯度幅值 粤 进行加权院 郧憎渊曾袁赠冤 越 藻曾责渊 原 渊曾圆 垣 赠圆 冤 辕 圆滓冤 辕 圆仔滓圆 粤宰渊曾袁赠冤 越 粤 伊 郧 越 粤渊曾袁赠冤藻曾责渊 原 渊曾忆圆 垣 赠忆圆 冤 辕 圆滓冤 式中院 滓 为加权因子袁取值 滓 越 憎 辕 圆袁 粤宰 为加权后梯 度幅值袁 渊曾袁赠冤 沂 宰袁 曾忆袁赠忆 沂 咱 原 憎袁憎暂 遥 对单元 糟袁 统计 灶 个方向的加权梯度幅值 粤宰 形 成方向梯度直方图 栽糟 遥 在单元 糟 中扫描每个像素 点梯度方向袁则 栽糟 为 栽糟渊噪冤 越 栽糟渊噪冤 垣 粤宰蚤袁韵蚤 越 圆仔噪辕灶 {栽糟渊噪冤 袁其他 式中院 噪 越 园袁员袁窑窑窑袁灶 原 员袁蚤 沂 糟袁 灶 为方向个数袁 蚤 为 单元 糟 中像素点索引遥 将所有单元格 栽糟渊糟 越 员袁圆袁 窑窑窑袁皂 伊 皂冤 组合起来即构成了该关键点 运责 的特征 向量 栽渊责冤 院 栽渊责冤 越胰 栽糟 渊糟 越 员袁圆袁窑窑窑袁皂 伊 皂冤 摇 摇 最后袁将所有关键点的特征向量组合起来即得 到标准矢量模板 杂栽 院 杂栽 越 栽渊责冤 { } 渣 责 越 员袁圆袁噎袁孕 摇 摇 考虑算法不同的应用袁可以根据图像的复杂程 度和处理目标的要求选取窗口大小 憎 和方向个数 灶袁 需要突出细节信息时袁选取较小的窗口 憎 和较大 的方向个数 灶袁 一般来说袁块尧单元及方向划分个数 可以分别选择 憎 越 员远袁皂 越 源袁灶 越 愿遥 圆援猿摇 人脸图像配准判断 对待测试图像袁配准判断是通过待检测图像特 征矢量 酝栽 与标准矢量模板 杂栽 的匹配相似度来度 量袁该相似度也表示了待测试图像与标准人脸图像 的相似性渊文中图像间的相似度均由对应图像的特 征矢量间的相似度来表示冤 袁判断时袁该相似度达到 设定阈值即判定为正确配准人脸图像袁否则袁即是误 配准人脸图像遥 待检测图像特征矢量 酝栽 的求取统 一采用 圆援圆 节中产生标准矢量模板时用到的关键点 运 和特征向量的求取方法袁得到 孕 个关键点的特征 向量 栽贼藻泽贼袁 表示为 酝栽 越 栽贼藻泽贼渊责冤 { } 渣 责 越 员袁圆袁噎袁孕 摇 摇 求出待检测图像特征矢量 酝栽 与标准矢量模板 杂栽 中各关键点对应特征向量的余弦相似度 杂责 院 杂责 越 栽渊责冤窑栽贼藻泽贼渊责冤 渣 栽渊责冤 渣窑渣 栽贼藻泽贼渊责冤 渣 渊责 越 员袁圆袁窑窑窑袁孕冤 摇 摇 再根据各关键点对最终判决的贡献大小 酌 对 各相似度加权袁得到待检测图像特征矢量 酝栽 与标 准矢量模板 杂栽 的匹配相似度 杂 院 杂 越 移责 酌责杂责 渊责 越 员袁圆袁窑窑窑袁孕冤 摇 摇 在试验中袁可以发现对 孕 个关键点的相似度求平 均作为总体相似性时袁 杂 的值可以很好的实现分类袁 即对 酌 取值为 酌责 越 员辕 孕渊式中袁责 越 员袁圆袁窑窑窑袁孕冤 遥 设 判定阈值为 杂贼澡则藻泽澡燥造凿 袁 对于 杂 逸 杂贼澡则藻泽澡燥造凿 的待测试图像袁 判断其为正确配准人脸图像袁否则判断为定位错误人 脸图像袁实验中袁 杂贼澡则藻泽澡燥造凿 取值范围为 园援远愿耀 园援苑源遥 圆援源摇 算法分析和讨论 人脸配准判断应该引起足够的重视袁但是袁该步 骤的算法复杂度不应大于人脸特征提取和识别等更 重要的步骤袁这一点限定了配准判断算法所允许的 复杂度遥 杂陨云栽 特征提取在图像匹配方面表现出了优良 的性质袁例如院对旋转尧尺度尧亮度变化的稳定性尧图 第 员 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 阮晓虎袁等院 一种基于特征匹配的人脸配准判断方法 窑员缘窑
·16 智能系统学报 第10卷 像特征描述的准确性等。但是，关键点的寻找和方 要进行人脸剪切使得用于识别的图片只包含人脸信 向的分配需要很大的计算开销，很难进行实时应用。 息，如图6(a)所示。但是由于定位算法的缺陷，人 本文要解决的人脸配准判断，是针对正常人脸图像 脸可能被错误定位，使剪切后的图片与正确定位的 通过定位剪切并规格化后的人脸图片，通常规格为 人脸图像存在偏离，出现错误配准现象，如图6(b) 40×40。这些图片的匹配有一些特点：对实时性有 所示，因此，需要对定位剪切后的人脸图像进行配准 较高要求，需要高效的特征描述，图像相对固定，不 判断和筛选。本实验的目的是判断人脸图像是否配 需要考虑旋转、尺度和亮度等因子的变化。因此，本 准。实验采用文献[17]中给出的基于图像几何复 文算法基于SFT关键点定位理论，对所有图像都采 杂度的方法定位人脸和眼睛，经过统一的图像分割 用标准人脸的关键点，使用标准人脸特征作为比较 和规格化处理，定位正确的图像可以生成正确配准 模板，方便图像的配准判断。图像匹配过程中关键 图像，否则，生成的图像为错误配准图像。选取500 点位置的先验性，大大降低了算法复杂度。在不存 张正确配准图像用于生成标准人脸，如图6（©）所 在旋转和尺度变化而又有较高实时性要求的图像匹 示，由2.2.2节方法得到的关键点位置和个数如图 配应用中，这种改进表现出了良好应用效果。 6(d)所示。 图像特征提取方法运用了SFT在关键点选择 上的合理性，汲取方向梯度直方图(histogram of ori- ented gradient,HOG)描述子的优点[us),将关键点的 位置信息转换成先验知识，采用关键点邻域梯度方 向直方图统计的图像特征进行配准检测，很好地实 现了配准判断，这是本文算法应用上的创新和特色。 同时，舍弃SFT尺度空间的建立和关键点方向的分 (a)定位正常 (b)定位错误 配，极大降低了算法的复杂度，该复杂度可以表示为 O(nwP),其中，n为方向个数，w为窗口大小，P为 关键点个数，本文算法中n=8,0=16,P=10。 实验证明，该算法花费了很小的计算开销（约 为一张人脸图像识别过程总时间的1%，此处，一张 人脸图像的识别时间为图像预处理，图像特征提取 标准人脸 (d关键点 及特征匹配和识别的总时间，实验采用的相关算法 图6规格化后的图像 是Local Gobar和主成分分析法(principal compo- Fig.6 Normalized face image nents analysis,.PCA)结合的方法)，保证了用于人脸 用数据库中剩下的图像重复试验得到1175张 注册和识别的人脸图像的配准正确性。 正确配准人脸图像和约170张错误配准人脸图像， 3实验分析 并对图像做标准人脸同样的规格化和剪切处理。为 了更全面地考虑错误配准的情况，试验中使用的错 3.1人脸配准判断 误配准的人脸图像除了程序自动定位时产生的错误 实验采用的人脸数据库来自于我国深圳地区采 配准图像，还加入了正确定位的图像通过人为制造 集的不同人的正面人脸照片总共1863张，人群为普 各个方向偏移、旋转后的图片，甚至包含少量不含人 通亚洲人，年龄段为16~80周岁。该数据库图片采 脸的图片，并对实验图片做相同的亮度和尺寸规格 用单色位图格式，图片尺寸为292×336，人脸面部细 化。最终错误配准人脸图像数量为350张。用第2 节清晰，姿态、表情单一，固定光照条件，示例如图5。 节的方法提取标准矢量模板和各待测试图像特征向 量，计算1175张正确配准的人脸图像特征向量与 标准矢量模板的相似度，以及350张错误配准的人 脸图像特征向量与标准矢量模板的相似度，用该相 似度表示待测试图像和标准人脸图像的相似度。此 图5实验用人脸数据库样本 处，定位正确（即正确配准）的人脸图像是指定位脸 Fig.5 The face database for experiments 和眼睛位置偏差不大于图片尺寸的5%，脸部区域 在实际人脸识别系统中，人脸经过定位以后，需 偏转角度小于5°的图片，否则，就是定位错误的图
像特征描述的准确性等遥 但是袁关键点的寻找和方 向的分配需要很大的计算开销袁很难进行实时应用遥 本文要解决的人脸配准判断袁是针对正常人脸图像 通过定位剪切并规格化后的人脸图片袁通常规格为 源园伊源园遥 这些图片的匹配有一些特点院对实时性有 较高要求袁需要高效的特征描述袁图像相对固定袁不 需要考虑旋转尧尺度和亮度等因子的变化遥 因此袁本 文算法基于 杂陨云栽 关键点定位理论袁对所有图像都采 用标准人脸的关键点袁使用标准人脸特征作为比较 模板袁方便图像的配准判断遥 图像匹配过程中关键 点位置的先验性袁大大降低了算法复杂度遥 在不存 在旋转和尺度变化而又有较高实时性要求的图像匹 配应用中袁这种改进表现出了良好应用效果遥 图像特征提取方法运用了 杂陨云栽 在关键点选择 上的合理性袁汲取方向梯度直方图渊 澡蚤泽贼燥早则葬皂 燥枣 燥则蚤鄄 藻灶贼藻凿 早则葬凿蚤藻灶贼袁 匀韵郧冤描述子的优点咱员愿暂 袁将关键点的 位置信息转换成先验知识袁采用关键点邻域梯度方 向直方图统计的图像特征进行配准检测袁很好地实 现了配准判断袁这是本文算法应用上的创新和特色遥 同时袁舍弃 杂陨云栽 尺度空间的建立和关键点方向的分 配袁极大降低了算法的复杂度袁该复杂度可以表示为 韵渊灶憎孕冤 袁 其中袁 灶 为方向个数袁 憎 为窗口大小袁 孕 为 关键点个数袁本文算法中 灶 越 愿袁憎 越 员远袁孕 越 员园遥 实验证明袁该算法花费了很小的计算开销渊约 为一张人脸图像识别过程总时间的 员豫袁此处袁一张 人脸图像的识别时间为图像预处理袁图像特征提取 及特征匹配和识别的总时间袁实验采用的相关算法 是 蕴燥糟葬造 郧燥遭葬则 和主成分分析法渊 责则蚤灶糟蚤责葬造 糟燥皂责燥鄄 灶藻灶贼泽 葬灶葬造赠泽蚤泽袁 孕悦粤冤结合的方法冤 袁保证了用于人脸 注册和识别的人脸图像的配准正确性遥 猿摇 实验分析 猿援员摇 人脸配准判断 实验采用的人脸数据库来自于我国深圳地区采 集的不同人的正面人脸照片总共 员 愿远猿 张袁人群为普 通亚洲人袁年龄段为 员远 耀 愿园 周岁遥 该数据库图片采 用单色位图格式袁图片尺寸为 圆怨圆伊猿猿远袁人脸面部细 节清晰袁姿态尧表情单一袁固定光照条件袁示例如图 缘遥 图 缘摇 实验用人脸数据库样本 云蚤早援缘摇 栽澡藻 枣葬糟藻 凿葬贼葬遭葬泽藻 枣燥则 藻曾责藻则蚤皂藻灶贼泽 摇 摇 在实际人脸识别系统中袁人脸经过定位以后袁需 要进行人脸剪切使得用于识别的图片只包含人脸信 息袁如图 远渊葬冤所示遥 但是由于定位算法的缺陷袁人 脸可能被错误定位袁使剪切后的图片与正确定位的 人脸图像存在偏离袁出现错误配准现象袁如图 远渊遭冤 所示袁因此袁需要对定位剪切后的人脸图像进行配准 判断和筛选遥 本实验的目的是判断人脸图像是否配 准遥 实验采用文献咱 员苑暂中给出的基于图像几何复 杂度的方法定位人脸和眼睛袁经过统一的图像分割 和规格化处理袁定位正确的图像可以生成正确配准 图像袁否则袁生成的图像为错误配准图像遥 选取 缘园园 张正确配准图像用于生成标准人脸袁如图 远渊糟冤 所 示袁由 圆援圆援圆 节方法得到的关键点位置和个数如图 远渊凿冤所示遥 图 远摇 规格化后的图像 云蚤早援远摇 晕燥则皂葬造蚤扎藻凿 枣葬糟藻 蚤皂葬早藻 用数据库中剩下的图像重复试验得到 员 员苑缘 张 正确配准人脸图像和约 员苑园 张错误配准人脸图像袁 并对图像做标准人脸同样的规格化和剪切处理遥 为 了更全面地考虑错误配准的情况袁试验中使用的错 误配准的人脸图像除了程序自动定位时产生的错误 配准图像袁还加入了正确定位的图像通过人为制造 各个方向偏移尧旋转后的图片袁甚至包含少量不含人 脸的图片袁并对实验图片做相同的亮度和尺寸规格 化遥 最终错误配准人脸图像数量为 猿缘园 张遥 用第 圆 节的方法提取标准矢量模板和各待测试图像特征向 量袁计算 员 员苑缘 张正确配准的人脸图像特征向量与 标准矢量模板的相似度袁以及 猿缘园 张错误配准的人 脸图像特征向量与标准矢量模板的相似度袁用该相 似度表示待测试图像和标准人脸图像的相似度遥 此 处袁定位正确渊即正确配准冤的人脸图像是指定位脸 和眼睛位置偏差不大于图片尺寸的 缘豫袁脸部区域 偏转角度小于 缘毅的图片袁否则袁就是定位错误的图 窑员远窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷