论文摘要：基于数据场的人脸识别与年龄估计

作为“人类灵魂的窗口”，人脸传递了和个人特质相关的重要感知信息。关于人脸图像的研究，目前有多个研究方向，主要包括人脸识别与年龄估计，两者之间存在着很大的相关性。例如，在人脸识别中，若待识别的图像与该用户在人脸库中的图像年龄相差较大，图像的特征存在明显差异，可能会造成人脸识别准确率的下降，而通过年龄估计和图像重构可以提升准确率。因此，本文综合研究人脸识别与年龄估计问题，为具有年龄变化的人脸识别打下基础。其中，人脸图像的特征提取是人脸识别的关键，因此本文优化了特征提取方法，提出了一种新型的基于数据场的特征提取方法，获得了更加丰富的人脸特征信息，并用于提升人脸识别与年龄估计的准确率。本文的具体工作如下：

第一，综合考虑像素点之间的相互影响，提出一种基于数据场的人脸特征提取方法。已有的人脸特征提取方法大多基于人脸图像的像素点本身，未对像素做适当的相关性处理。而数据场充分利用了人脸图像各个像素点之间的相关性，不仅能够提取出相关的主要因素，同时还过滤掉了与人脸特征无关的因素。对于一幅人脸图像，利用数据场方法，可以使用等势线描述人脸。该等势线不仅可以描述人脸的表情、姿态，还能够突出人脸面部的重要器官，如鼻子、嘴巴等，直观上验证了数据场方法的可行性。

第二，将基于数据场的特征提取方法应用于人脸识别研究，在经典数据集上提升了识别精度。把用融合数据场方法得到的人脸特征作为输入，采用数据挖掘中的支持向量机分类方法进行分类识别，并在ORL、yale、AR三个数据集上进行人脸识别实验，识别率分别为99.75%、98.79%、99.15%。而不使用数据场时，识别率最优分别为97.12%、98%、92.71%。通过对人脸识别准确率的比较，验证了数据场方法提取人脸图像特征的有效性与优势。

第三，将基于数据场的特征提取方法应用于年龄估计问题，在FG-NET和morph两个数据集上的估计误差不大于4.8岁。在提取具有人脸年龄因素特征的时候，融入了基于数据场的主动表观模型和生物启发特征的方法。在提取主动表观模型特征和生物启发特征之前，用数据场方法对人脸图像进行特征处理，充分考虑人脸图像所有像素点之间的关系、消除原始像素点异常值的情况。在年龄估计过程中，采用了支持向量回归和顺序超平面排序的方法，对优化后的特征提取方法进行验证，分别在FG-NET和morph两个带有年龄标签的人脸图像数据集上进行年龄估计。在FG-NET数据集上，年龄估计结果的平均绝对误差为4.7岁，morph数据集则为4.2岁。相比其它不使用数据场的方法，如局部调整鲁棒回归方法等，本文的结果较优。

第四，设计并实现了一个人脸识别与年龄估计的原型系统。该原型系统可以对一幅人脸图像进行人脸识别、并且估计其年龄。该系统还能够从摄像头进行图像采集，使得操作过程更加方便快捷。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/282674.html