一种用于年龄不变人脸识别的复合时空建模方法

摘要:本文提出了一种基于纹理和形状信息的人脸识别方法。年龄不变的人脸识别能够将在给定时间点获得的图像与在较早时间点获得的同一个人的ar图像进行匹配，因此具有重要的应用，特别是在执法方面。我们研究了建立在不同层次的数据gran模式。在全球一级，模型是建立在包含所有可用个体的训练数据的基础上的，而在地方一级，使用同质子群体的数据，最后在个人一级，为每个个体建立个性化模型。我们通过将整个数据库划分为子空间来缩小搜索空间，以提高识别时间。我们使用一个两阶段的过程进行年龄不变的面孔识别。在第一阶段，我们用概率方法识别出正确的子空间，在第二阶段，我们在子空间中找到探测图像。最后，我们使用决策树的方法结合模型建立的形状和纹理特征。我们的实证结果表明，当分类准确率和识别时间均为一级时，局部模型和个性化模型表现最佳。

1、简介

研究领域即人脸验证和人脸识别。年龄不变人脸识别有两种方法，生成式和非生成式。生成方法包含了人类时代的先验知识。给定一幅图像。另一方面，非生成方法专注于发现面部的discrimi原生特征及其在整个面部衰老寿命中的变化。从另一个角度，我们可以识别出与跨年龄人脸识别相关的三个主要研究方向:z、年龄不变人脸识别、年龄模拟和年龄估计。大多数研究集中在年龄估计和年龄模拟方面。年龄不变人脸识别的研究还处于起步阶段人脸图像识别是生物识别研究领域的重要组成部分和耆那教。。在现实生活中，它在失踪儿童识别、护照验证、安全、动漫、商业智能等领域有着重要的应用。例如，在执法的情况下，嫌疑人的图像是可用的，我们需要找出是否存在同一个人的图像，是否可以从我们的犯罪数据库中获得。如果犯罪嫌疑人确实在以前的年龄出现在犯罪数据库中，那么应该进行匹配，并且可以从犯罪数据库中检索关于该犯罪嫌疑人最后一个已知地址和其他相关信息的信息在本文中，我们将重点研究不同年龄阶段的年龄不变人脸识别，特别强调识别问题(见图1)。衰老是一个复杂的问题，因为在不同的年龄点，不同类型的变化发生在人类的脸上。从儿童到青少年，这些变化大多与颅面生长有关。成熟后的变化主要与肤色变化和纹理效果有关，面部皮肤开始松弛，不再光滑。所以老化是所有这些成分的混合物。尽管广泛研究的人脸识别(锣,李、林、刘,&唐2013:龚et al . 2015:李et al . 2011:拉马纳坦& Chellappa 2006)多领域的地面没有覆盖年龄不变的人脸识别，人脸识别主要有两个方面此外，衰老是一个缓慢的、不可逆转的过程，是每个人都独一无二的。许多因素影响老化过程。例如，每个人都有不同的基因，血型。生活方式，属于一个特定的民族。为了解决所有问题，这些问题需要我们对形状特征和纹理特征进行合理的处理，最终将它们结合起来，发挥这两类特征之间的自然协同作用。2和3展示了两个人在不同年龄的图像。影响人脸识别系统性能的主要挑战有五个:姿态、光照。表达式。在过去的研究中已经观察到，为了解决一个挑战，我们需要在其他挑战上妥协因此。有必要找到一种解决方案，在众多因素或挑战中做出妥协。本文采用了一种新颖的方法，利用形状和纹理两方面的有限元方法对这些问题进行了双管齐下的研究。我们建立了一个基于固定数量基准大地标志的通用电气测量比率和距离的人体测量模型。这样的模型不会因触点或眼镜等闭塞而受到影响，因为地标性建筑不会改变其位置。同样，面部表情和光照也不会显著改变地标的位置。然而。不同的姿势会产生问题。为了缓解这个问题。我们通过Procrustes分析(获得一张平均年龄的正面图像，并将所有图像扭曲到该图像。这就把衰老作为一个方面，这是我们主要的研究领域，我们充分研究了这一领域。我们利用面部纹理的边缘提取皱纹信息，并结合人体测量数据建立和分析衰老过程。我们在之前的研究中也使用了相同的特征。我们在这项研究中所做的贡献是。在应用概率贝叶斯方法确定包含目标图像的图像块之前，我们将图像库按时间划分为子库。实验结果表明，这种分割方法有助于提高识别精度我们使用一种局部建模方法，将图像的全局总体划分为同构的集群子总体，