摘 要：SIFT算法優(yōu)點(diǎn)是在對特征點(diǎn)的個(gè)數(shù)和有效點(diǎn)的比例沒有要求的前提下對視角變化、尺度縮放、亮度變化、噪聲等都能保持相對的穩(wěn)定性。但是該算法原有的對關(guān)鍵點(diǎn)非匹配策略在圖像紋理復(fù)雜情況下存在缺陷。本文提出了一種關(guān)鍵點(diǎn)閾值匹配算法可避免使用常規(guī)錯(cuò)的關(guān)鍵點(diǎn)人臉圖像網(wǎng)格。在各種轉(zhuǎn)換中得到較穩(wěn)定的魯棒性。

關(guān)鍵詞：閾值匹配；SIFT算法；人臉識別

中圖分類號：TP391.41

人臉識別利用生物特征的普遍性、唯一性、防衛(wèi)性、可接受性進(jìn)行身份識別可以避免上已有的身份鑒別技術(shù)缺陷，在技術(shù)應(yīng)用上具有非接觸性，采集成本低廉的特點(diǎn)。

人臉自動(dòng)識別系統(tǒng)包括兩個(gè)主要技術(shù)環(huán)節(jié)。首先是人臉檢測和定位，即從輸入圖像中找到人臉及人臉存在的位置，并將人臉從背景中分割出來，然后才是對歸一化的人臉圖像進(jìn)行特征提取與識別[1]。

在本文中，通過擴(kuò)展網(wǎng)格SIFT方法，提出一個(gè)新的關(guān)鍵點(diǎn)面部識別的匹配策略。匹配策略可避免錯(cuò)配局部的關(guān)鍵點(diǎn)，通過人臉圖像規(guī)則化網(wǎng)格為局部的關(guān)鍵點(diǎn)的位置信息。此外，匹配策略可以給各類轉(zhuǎn)換提供穩(wěn)定的魯棒性，通過使用局部獨(dú)立的標(biāo)注提出投票策略的關(guān)鍵點(diǎn)。

1 SIFT算法

尺度不變特征變換（SIFT）算法由DAVID G.L.于1999年提出[2]，并于2004年進(jìn)行了發(fā)展和完善，MIKOLAJCZYK[3]對多種描述子進(jìn)行實(shí)驗(yàn)分析，結(jié)果證實(shí)了SIFT描述子具有最強(qiáng)的魯棒性。尺度不變特征變換提取鮮明已經(jīng)提出圖像不變特征，它可以用于執(zhí)行可靠的匹配之間的物體或場景。

它包括兩個(gè)主要階段計(jì)算生成的圖像特征[4]。

2 閾值匹配

匹配的關(guān)鍵點(diǎn)對給出的最小距離，可能會(huì)來自面部圖像的不同部分。例如，可從左眼的關(guān)鍵點(diǎn)匹配右眼或口之一。這種不匹配可能會(huì)導(dǎo)致分類性能低。

為了克服這一缺點(diǎn)，Bicego等建議[5]。分別使用特定的網(wǎng)格重疊的子圖像的圖像。兩幅圖像之間的距離可以測量計(jì)算最低對所有相應(yīng)的子圖像之間的距離與它們平均。

2.2 關(guān)鍵點(diǎn)投票。標(biāo)準(zhǔn)的SIFT方法和SIFT網(wǎng)格法測量距離測試圖像和每個(gè)訓(xùn)練圖像之間，以一個(gè)指定測試圖像類從訓(xùn)練圖像的最小距離。我們利用當(dāng)?shù)氐年P(guān)鍵點(diǎn)獨(dú)立屬性由SIFT特征，并嘗試分配到一個(gè)特定的測試圖像中的每個(gè)獨(dú)立關(guān)鍵點(diǎn)類。為每個(gè)關(guān)鍵點(diǎn)的分配結(jié)果將由整個(gè)測試圖像的類成員的決定。

由重要的面部特征，如眼睛，鼻子和嘴可以有所不同獨(dú)立，一個(gè)關(guān)鍵點(diǎn)，在圖像匹配分值高，可以降低在另一幅圖像，即從同一人的兩個(gè)圖像匹配得分。該方法可以在這里找到相應(yīng)的訓(xùn)練圖像最相似的變化定位。我們可以通過投票的每個(gè)關(guān)鍵點(diǎn)的分配結(jié)果。

2.3 閾值的混合方法。為了克服上述兩種方法的缺點(diǎn)，我們提出一個(gè)混合匹配策略。該匹配策略包括三個(gè)步驟。在第一步，我們對所有訓(xùn)練圖像進(jìn)行篩選獲得的關(guān)鍵點(diǎn)。接下來，在SIFT網(wǎng)格法，每次訓(xùn)練圖像細(xì)分為不同的子圖像重疊使用一個(gè)普通的網(wǎng)格，為每一個(gè)關(guān)鍵點(diǎn)訓(xùn)練其中N表示訓(xùn)練圖像的數(shù)量。

2.4 提出的混合匹配策略可以給某個(gè)區(qū)域的信息。使用規(guī)則網(wǎng)格的人臉圖像，并利用定位的獨(dú)立關(guān)鍵點(diǎn)。此外，當(dāng)人臉圖像是由太陽眼鏡或圍巾遮擋，它可能的是修改使用閾值技術(shù)的匹配策略。由于非人臉因素，如太陽眼鏡或圍巾，關(guān)鍵點(diǎn)不應(yīng)該用來區(qū)分，我們需要放棄他們使用閾值。它可以實(shí)現(xiàn)只是到一個(gè)關(guān)鍵點(diǎn)，對距離小于閾值的最低作為一票。以下將描述每一個(gè)匹配的策略的結(jié)果人臉識別。

3 實(shí)驗(yàn)和結(jié)果

從AR人臉數(shù)據(jù)庫是一個(gè)著名的基準(zhǔn)數(shù)據(jù)庫。從庫中同一個(gè)人物的圖片，選擇各種表情，光照條件，封閉的轉(zhuǎn)換。所有圖片都是768×576像素和24位的深度。從這個(gè)數(shù)據(jù)庫中，我們隨機(jī)選取了40不同的個(gè)人（20名男性和20女）和使用的第一次訓(xùn)練的數(shù)據(jù)集。與768的原始色彩圖像×576像素演變到85×60像素陣列中所述。選定圖像出現(xiàn)和我們轉(zhuǎn)換灰度圖像。為提高計(jì)算效率，圖像的大小減小到68×50像素。

使用這些圖像，我們構(gòu)建了兩個(gè)數(shù)據(jù)集，包括不同照片。數(shù)據(jù)集1訓(xùn)練，每個(gè)子類取三個(gè)非封閉的圖像。用于測試，仍然從每個(gè)主題的四個(gè)非封閉的圖像使用。

數(shù)據(jù)集2訓(xùn)練，三個(gè)非封閉的圖像，從每一個(gè)子類測試，仍然是四個(gè)非封閉的圖像和6個(gè)封閉的圖像分配每個(gè)子類使用。

實(shí)驗(yàn)結(jié)果顯示在數(shù)據(jù)集1常出現(xiàn)有普遍偏低的表現(xiàn)數(shù)據(jù)。不同于PCA，LDA的比數(shù)據(jù)集1賦予更好的表現(xiàn)。然而，LDA未能找到有意義的功能來區(qū)分面孔。這意味著LDA是不是適合封閉數(shù)據(jù)。

4 結(jié)論

為了應(yīng)用SIFT為代表的面部圖像數(shù)據(jù)的方法，本文提出一種混合匹配的策略，結(jié)合SIFT方法關(guān)鍵點(diǎn)投票與一個(gè)閾值。混合匹配策略，可以使用功能的區(qū)位信息定位人臉圖像，還可以利用區(qū)域中的獨(dú)立關(guān)鍵點(diǎn)。此外，當(dāng)人臉由太陽眼鏡或圍巾遮擋時(shí)，提出的方法可以拋棄使用封閉閾值的關(guān)鍵點(diǎn)。通過部分AR人臉數(shù)據(jù)庫上的計(jì)算實(shí)驗(yàn)，證實(shí)了所提出的方法較優(yōu)性能。

參考文獻(xiàn)：

[1]李剛.人臉自動(dòng)識別方法綜述[J].計(jì)算機(jī)應(yīng)用研究，2003，8：5-7.

[2]寇宏達(dá)，程茂.基于手機(jī)平臺的SIFT算法研究[J].河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，04.

[3]Mardia，K.V.， Kent， J.T.， Bibby， J.M.： Multivariate Analysis. Academic Press，London（1979）.

[4]Mart′?nez， A.M.， Kak， A.C.： PCA versus LDA. IEEE Trans. on Pattern Analysis and Machine Inteligence 23（2），228-233（2001）.

[5]Bicego， M.，Lagorio， A.， Grosso， E.，Tistarelli， M.： On the use of SIFT features for face authentication.In：Computer Vision and Pattern Recognition Workshop，35（2006）.

作者簡介：吳憲君（1981-），男，廣東茂名人，講師，碩士，研究方向：圖像處理。

作者單位：廣東石油化工學(xué)院實(shí)驗(yàn)教學(xué)部，廣東茂名 525000