基于改進的格拉斯曼流形的模糊人臉圖像識別

曾愛林

摘 要： 傳統算法進行模糊人臉識別的過程中，一旦人臉表情發生變化，人臉特征也將發生改變，導致人臉識別的準確性降低。為此，提出一種基于改進的格拉斯曼流形的模糊人臉識別方法。在格拉斯曼流形上構建全部模糊人臉樣本圖像的近鄰圖來估計人臉特征分布的幾何結構，然后將其作為正則化項整合到模糊人臉識別的目標函數中，從而獲得更精確的人臉特征投影矩陣。仿真實驗結果表明，利用改進算法進行模糊人臉識別，能夠提高識別的準確率和效率，效果令人滿意。

關鍵詞： 改進的格拉斯曼流形； 模糊人臉識別； 人臉特征分布； 人臉識別方法

中圖分類號： TN919?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2015）22?0034?03

0 引 言

隨著社會的快速發展，對身份識別技術的要求也越來越高[1]，由于人臉的特征相對固定且個體之間存在較強的差異性；因此，人臉識別技術成為身體識別的重要依據[2]，其在人工智能、刑偵、檔案管理等領域都有著廣泛的應用[3]。但是，在實際的人臉識別過程中，由于受到人臉圖像采集設備的制約和采集環境的制約，極易出現模糊人臉的情況，如利用監控設備采集的人臉圖像[4]，或者遠距離采集的人臉圖像等，都會出現模糊人臉的情況，造成了人臉識別的準確性降低[5]。因此，如何對模糊人臉進行準確識別，已經成為當前圖像處理領域中的一個研究熱點，受到了很多學者的重視[6]。

目前，已經有很多學者針對模糊人臉識別的問題提出了一些解決方法，并得到了廣泛的應用[7]。現階段，主要的模糊人臉識別方法包括：基于特征提取的模糊人臉識別方法[8]，基于小波分解的模糊人臉識別方法和基于支持向量機的模糊人臉識別方法。其中，最常用的是基于特征提取的模糊人臉識別方法[9]。由于模糊人臉識別方法在很多領域都能發揮無可替代的作用，因此該課題的發展前景十分廣闊，并成為很多科研單位研究的重點課題[10]。傳統的人臉識別方法，對于人臉特征的依賴性較高，而人臉特征又會受到人臉表情變化的制約，一旦人臉表情發生變化，將會造成人臉特征發生改變，從而降低了人臉識別的準確性。

1 模糊人臉識別的有關原理

1.1 模糊人臉特征的提取

在進行模糊人臉識別的過程中，需要對人臉圖像進行分割，從而提取到感興趣的人臉區域的特征。設置原始的人臉圖像為[f（x，y）]，分割閾值為[T]，分割后的人臉圖像為[g（x，y）]，分割的區域的數目為[C]，則分割后的人臉圖像能夠描述為：