19、远距离面部轮廓与步态融合的人体识别技术

远距离面部轮廓与步态融合的人体识别技术

1. 面部轮廓识别实验

1.1 实验数据

在面部轮廓识别实验中，使用了两个不同的数据库：
- 伯尔尼大学数据库 ：包含头部位置、大小和对比度不同的面部轮廓图像，图像大小为 342×512 像素。实验中，选取 60 张图像（每人两张）作为训练数据集，另外 30 张作为测试数据集。
- 斯特林大学数据库 ：包含 35 人（18 名女性和 17 名男性）的 311 张面部图像。其中 31 人（16 名女性和 15 名男性）有完整的图像集，包含三种姿势（正视图、视图和轮廓视图）和三种表情（中性表情、微笑和说话），图像大小为 284×365 像素。使用中性表情图像作为训练数据，微笑和说话表情的轮廓图像作为 31 人的测试数据。

1.2 实验结果

面部轮廓识别的实验结果如下表所示：
| 数据库来源 | 识别情况 | 识别率 |
| — | — | — |
| 伯尔尼大学 | - | 90.9% |
| 斯特林大学 | 微笑面部轮廓 | 78.4% |
| 斯特林大学 | 说话面部轮廓 | 72.1% |

从结果可以看出，使用最近邻方法时，伯尔尼大学数据的面部轮廓正确识别率为 90.9%（30 个测试对象中有 3 个错误）。对于斯特林大学数据库，微笑面部轮廓的识别率为 78.4%，说话面部轮廓的识别率为 72.1%。与伯尔尼大学的 90%识别率相比，虽然结果有所下降，但该方法在面部表情变化时无需考虑基准点的数量和位置，具有一定的潜力。这表明基于曲率的匹配方法对于不