年齡跨度較大的人臉識別

金雨坤

摘要：本文采用了一種基于主動外觀模型（AAM）與尺度不變特征變換（SIFT）相結合的特征提取方法，采用AAM方法提取初級特征點，然后通過SIFT算法得到二次特征點，最后采用基于蛙跳混合算法的特征匹配分析同一個人的不同年齡段的面貌特征。關鍵詞：基于主動外觀模型（AAM）；尺度不變特征變換（SIFT）；混合蛙跳算法（SIFA）1 主動外觀模型的建立該方法不僅包含人臉的形狀信息，而且包含重要的臉部紋理信息，并找出臉部形狀與紋理信息之間的聯系。分析過程如下：在給定集合下，計算平均形狀S。對紋理進行數學分析，從而得到統計模型：g=g+Pgbg（1）b=wsbsbg0（2）b=b+Qc（3）調節參數得到不同的形狀及紋理，合成一幅模型人臉圖像：Im=Twarp1sm，gm；θ（4）其中，將橫型紋理gm變形sm后進行相似變換，得到模型圖Im。2 尺度不變特征變換（SIFT）構建尺度空間模擬圖像數據的多尺度特征：利用高斯卷積核實現尺度變換。將一幅二維圖像的尺度空間定義為：Lx，y，kσ=G（x，y，σ）*Ix，y（5）Gx，y，σ=12πσ2ex2+y2/2σ2（6）其中，Gx，y，σ是尺度可變高斯函數，σ是尺度坐標。利用DOG函數構建圖像卷積。如果相同位置的像素沒有變化，認為沒有特征。定位極值點，對尺度空間中的極值點進行檢測。每一個采樣點需要與周圍的鄰域點比較，最終得到極值點。3 混合蛙跳算法擬合二次函數對極值點進行篩選，去除穩定度低的極值點和邊緣響應點。Dx，y，σ=D+DTxx+12xT2Dx2x（7）得到極值點的幅值和方向，為確保旋轉不變性，將以關鍵點為中心的空間分為四個子空間，分別計算梯度方向的累加值，形成一個SIFT特征，如圖1所示。由圖2可知，不同人特征的位置、方向、尺度均不一樣，但多聚集在面部的T區，說明SIFT能夠達到本文對局部特征的要求。通過采集圖像特征點得到相似度，繼而利用置信度加權的方法來表現時間段變化。通過對相似度進行均值運算，計算特征點權值為：Tr=f+（1f）×ia（8）按時間順序，以相同時間間隔識別同一個人不同年齡段，如圖3所示：參考文獻：[1]楊福嘉，鄭麗穎.基于SIFT的新特征提取匹配算法[J/OL].應用科技：15[20181014].http：//kns.cnki.net/kcms/detail/23.1191.U.20181007.2343.002.html.[2]鄒國良，張石明，陳長吉，王振華.基于改進最小距離法的圖像匹配并行算法設計[J].計算機工程，2018，44（09）：218223.[3]唐冬春.基于主動表現模型的人臉識別算法研究[J].中國戰略新興產業，2017（44）：226.