14、基于可变形模型的组件式人脸识别系统

基于可变形模型的组件式人脸识别系统

1. 引言

随着执法、监控、访问控制和人机交互等领域的实际应用不断发展，对鲁棒、准确且易于训练的人脸识别系统的需求日益迫切。然而，姿态、光照和面部表情等外在成像参数仍然会导致识别性能下降。此外，实际应用中的训练数据库通常每人只有少量的面部图像。

通过结合可变形模型和基于组件的人脸识别，我们可以在少量训练图像的情况下解决姿态和光照不变性的问题。可变形模型仅在训练期间使用，在这个阶段，速度慢和手动交互的问题不像在分类阶段那样严重。基于一个人的三张面部图像，可变形模型使用分析合成方法计算三维面部模型。一旦计算出训练数据库中所有对象的三维面部模型，我们就可以生成大量不同姿态和光照条件下的合成面部图像，用于训练基于组件的识别系统。人脸识别模块之前有一个分层人脸检测系统，用于在图像中大致定位人脸。分层系统之后是一个基于组件的人脸检测器，用于精确地定位人脸并提取用于人脸识别的组件。

1.1 人脸识别技术分类

人脸识别技术可以分为全局方法和基于组件的方法：
- 全局方法 ：使用一个代表整个面部图像的特征向量作为分类器的输入。一些分类技术包括特征空间中的最小距离分类、Fisher判别分析和神经网络等。全局技术在识别正面人脸方面取得了成功，但对姿态变化的鲁棒性较差，因为全局特征对面部的平移和旋转非常敏感。为了克服这个问题，可以在分类之前添加一个对齐阶段。
- 基于组件的方法 ：对人脸的组件进行分类。该方法有两个共同的处理步骤：首先，扫描人脸以获取一组特征；然后，将检测到的组件输入到人脸分类器中。与全局方法相比，基于组件的方法具有以下优点：