收稿日期:20190821;修回日期:20191012 基金项目:国家自然科学基金资助项目(61702367,61807024,11803022,61976156);天津
市教委科研计划项目(2017KJ033,2018KJ105,2018KJ106);天津市企业科技特派员项目(20YDTPJC00560)
作者简介:杨巨成(1980),男,湖北天门人,教授,博士,主要研究方向为图像处理、人工智能;王洁(1994),女,河南永城人,硕士研究生,主要
研究方向为人脸识别、图像处理;王?(1989),女(通信作者),山西万荣人,讲师,博士,主要研究方向为人工智能、文本挖掘(wangyuan23@tust.
edu.cn);毛磊(1994),男,新疆和田人,硕士研究生,主要研究方向为图像处理、人工智能;代翔子(1994),男,湖北孝感人,硕士研究生,主要研究
方向为图像处理、机器学习;刘建征(1978),男,天津人,讲师,博士,主要研究方向为情感计算、模式识别;吴超(1974),男,湖北通城人,讲师,博
士,主要研究方向为图形处理、智能计算.
基于加权紧凑局部图结构的人脸识别算法
杨巨成,王 洁,王 ?
,毛 磊,代翔子,刘建征,吴 超
(天津科技大学 人工智能学院,天津 300457)
摘 要:针对局部图结构算法(localgraphstructure,LGS)构建图结构时用到的像素点距离中心像素太远,以及
在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部 图 结构
(
weightedcompactlocalgraphstructure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心
像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素
点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。
WCLGS通过提取更近的像素点信息和合理的
加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现
有的一些局部图结构算法相比,WCLGS在 ORL(OlivettiResearchLaboratory)、AR(activerecord)和 HD(highdefi
nition)热红外人脸数据库上有更好的识别率和性能。
关键词:局部图结构;加权紧凑局部图结构;权重;特征提取;人脸识别
中图分类号:TP391.41 文献标志码:A 文章编号:10013695(2021)01063031105
doi
:10.19734/j.issn.10013695.2019.08.0575
Facerecognitionalgorithmbasedonweightedcompactlocalgraphstructure
YangJucheng,WangJie,WangYuan
,MaoLei,DaiXiangzi,LiuJianzheng,WuChao
(CollegeofArtificialIntelligence,TianjinUniversityofScience&Technology,Tianjin300457,China)
Abstract:LGSalgorithm extractsinformationfrom farpixels.Itassignsweightswithoutconsideringdistancebetweensur
roundingpixelsandcenterpixel.Thus,thispaperproposedWCLGS.Thealgorithmdefinedahybridfeatureextractstrategy.It
constructedgraphstructurefromfourdirectionsofcentralpixel.Thestructurecaughtsymmetricandasymmetricinformationin
verticaldirectionanddiagonaldirectionrespectively.WCLGSgavealargerweighttoedgesclosetocentralpixel
,andasmaller
weighttoedgesfarfromcentralpixel.Itpaidcloseattentiontodifferencesofnearneighborelementsandcenterpixelbyextrac
tingcloserpixelinformationandreasonableweightingstrategy.Informationextractedonbothsidesofcenterpointwasmoreu
niformandsufficient.Comparedwithexistinglocalgraphstructurealgorithms
,WCLGShasbetterrecognitionrateandperform
anceinORL,ARandHDinfraredfacedatabases.
Keywords:localgraphstructure;weightedcompactlocalgraphstructure;weight;featureextraction;facerecognition
0 引言
随着经济的飞速发展,如何确保信息安全越来越引起人们
的关注。传统的身份认证存在许多缺点,如极易伪造和丢失,
不足以满足社会的需求。人脸识别技术可以很好地解决这一
问题。如图
1所示,完整的人脸识别技术主要包括如下三个步
骤:图像预处理、图像特征提取和图像分类识别
[1]
。其中,人
脸图像特征提取在人脸识别任务中起着决定性的作用,其目的
是找出有效的判别特征,为分类阶段提供依据。
!
"
#$
%&
#$
'(
!")*+
,-./
#$01
0123
#$!"4
图 1 人脸识别系统步骤
Fig.1 Stepsofthefacerecognitionsystem
现有的特征提取方法主要分为基于全局特征的描述方法
和基于局部特征的描述方法两类。
基于全局特征的人脸特征提取方法主要利用训练样本统
计学习的整体图像提取特征信息。主成分分析(
principalcom
ponentsanalysis,PCA)
[2]
主要是通过奇异值分解将数据映射到
低维 度 空 间。线 性 判 别 分 析 (lineardiscriminantanalysis,
LDA)
[3]
不仅可以提高数据分析过程中的计算效率,还能有效
避免 降 低 维 度 带 来 的 过 拟 合。独 立 成 分 分 析 (independent
componentanalysis,ICA)
[4]
是从一组混合的观测信号中分离出
独立信号的主元分解方法。这些基于全局特征的描述方法直
接从整个图像提取并编码图像的全局信息。由于对细节的忽
略,基于全局特征的描述方法对变化的图像不敏感,不能很好
地反映图像的局部特征,除此之外,特征维度高、计算量大也是
其致命缺点。
近年来,基于局部特征的描述方法得到越来越多学者的关
注。
LBP(localbinarypattern)
[5]
即局部二值模式,该算子具有
旋转不变性与灰度不变性等显著优点。与
LBP不同,局部梯
度模式(localgradientpattern,LGP)
[6]
更加注重周围像素与中
心像素之间像 素 差的 平 均值。局 部 图结 构 算法 (localgraph
structure,LGS)
[7]
利用中心像素周围的像素点形成图结构,反
第 38卷第 1期
2021年 1月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol38No1
Jan.2021