![](https://csdnimg.cn/release/download_crawler_static/18695171/bg1.jpg)
第
37
卷第
3
期
2011
年
3
月
北京工业大学学报
JOURNAL
OF
BEIJING
UNIVERSITY
OF
TECHNOLOGY
基于
2DUGDP
的戴眼镜人脸识别
宋彩芳,尹宝才,孙艳丰,陈尚佑
(北京工业大学多媒体与智能软件技术北京市重点实验室,北京
100124 )
Vo
l.
37
No.3
Mar.
2011
摘
要:针对戴眼镜人脸识别问题,提出了二维非监督测地线判别投影
(20
unsupervised geodesic discriminant
projection
,
20UGOP)
方法.该方法在扩充虚拟样本库的基础上,分析戴眼镜人脸图像和不戴眼镜人脸图像的差
异及戴不同眼镜人脸图像的差异,提取判别特征用于识别.该特征考虑局部特征的同时考虑非局部特征,寻找
一种最优投影在最大化非局部散度矩阵的同时最小化局部散度矩阵,使得距离近的数据投影后仍然近,距离远
的数据投影后仍然远.考虑到人脸是非线性的流形结构,文中采用测地线距离表示样本间的差异.在
FERET
人
脸库和
CAS-PEAL
人脸库上分别进行了实验,实验结果表明,该方法相比较其他方法更能提高戴眼镜人脸的识
别率.
关键词:三维形变模型;局部散度矩阵;全局散度矩阵;二维非监督测地线判别投影
中图分类号:
TP
39
1.
41
.文献标志码
:A
文章编号:
0254
-0037(2011
)03
-0470
-07
。
引言
随着高速硬件和人工神经网络等技术的发展,人脸识别的研究取得了长足的进步,提出了许多比较成
熟的算法,但多数算法都是针对某一特定情况,即在约束环境下进行的人脸识别.随着人脸识别算法的逐
步成熟及其在商业和执法等方面的应用,非约束环境(考虑光照、姿态、表情和饰物等因素的影响)下的人
脸识别被更加强调和重视.戴眼镜群体越来越庞大,眼镜己成为人脸面部最常见的饰物,因此戴眼镜人脸
识别成为一个不容回避的问题.
传统的戴眼镜人脸识别方法是估计元眼镜人脸再进行识别.由于镜框的易检测性,最初的研究者以
移除镜框为出发点,检测镜框位置并用其周围肤色来代替镜框的纹理进行识别
[lf]
,该类方法比较简单,
但只考虑了镜框的影响,而没有考虑镜片的影响,所以导致整个眼镜周围的纹理过渡不均匀,仍留有镜框
痕迹.而且当镜框和眉毛重合时,极易把眉毛误作为镜框而移除.
Saito
等
[3]
于
1999
年提出了利用主成分
分析(
principle
component
analysis
,
PCA)
重建方法估计无眼镜人脸,因为
PCA
方法的表示能力取决于训练
集的丰富程度,如果训练集中不含眼镜的特征,那么
PCA
所重构的输入人脸也不含眼镜的特征.该方法
导致整个重构误差扩展到整张人脸.
Park
等[
4-5]
于
2003
年提出利用回归重建的方法估计元眼镜人脸,该
方法综合考虑了上述
2
种方法的优点,首先用
PCA
重建出→个近似的不戴眼镜的人脸,然后利用提取出
的镜框来补偿重建的眼镜,直到重建的眼镜与原始眼镜的误差达到某一极限值为止.利用回归重建的无眼
镜人脸进行识别提高了戴眼镜人脸图像的识别率,但对于黑框或颜色递变的镜框,效果仍不理想.
近几年,对戴眼镜人脸识别的研究都是作为某一类方法中的特例进行的.如有的研究人员提出一个
通用方法
[6]
,然后再在实验部分给出将其应用于戴眼镜人脸识别的结果.还有就是将对戴眼镜人脸识别
的研究一般化为遮挡问题[川]对于遮挡问题的研究主要在于遮挡的判定,然后将判定的遮挡作为元用信
息,而利用剩下的有用信息进行识别.眼镜虽然也属于遮挡问题,但它与一般的遮挡又有很大差异,被镜片遮
挡的部分因镜面反光和镜面折射引起的变化既与普通意义上的遮挡不同,又与非遮挡区域有很大的差异.
基于子空间的人脸识别方法是人脸识别中一类主流的方法,无论是
PCA
、线性判别分析(
linear
discriminant
analysis
,
LDA)
、局部特征分析
(local
feature
analysis
,
LF
A
)、非参数子空间分析(
nonparametric
收稿日期:
2009-03-24.
作者简介:宋彩芳
(1980
一)
,女,山西长治人,博士研究生.