基于HOG和LBP特征的自然場景中人臉檢索技術(shù)研究.pdf

1、近年來，隨著監(jiān)控設(shè)備和智能手機廣泛應(yīng)用的發(fā)展，基于內(nèi)容的圖像檢索成為一種現(xiàn)實應(yīng)用需求并獲得了工業(yè)界、學術(shù)界的高度重視。在上世紀七十年代，主要是通過利用關(guān)鍵詞進行圖像檢索，該技術(shù)需要人工手動標注文本關(guān)鍵詞，以描述圖像特征。它需要依賴人工對圖像進行標注，需要較多的人力，且伴有主觀性等方面的問題。尤其在人臉圖像檢索時，基于文本關(guān)鍵詞文本圖像檢索技術(shù)顯得很無能為力。上世紀九十年代以來，一種基于內(nèi)容的圖像檢索（CBIR）開始變得流行。然而在近些年

2、，由于一些信息系統(tǒng)所產(chǎn)生的圖像速度飛速增長，基于視覺內(nèi)容上的圖像檢索也開始成為一個重要的研究領(lǐng)域。由于自然光照，低分辨率和多姿態(tài)等構(gòu)成了人臉特征提取的主要影響因素，目前基于自然光照場景，低分辨率和多姿態(tài)等多種自然混合條件下的研究仍是一個頗具挑戰(zhàn)性的問題。
　　本文采用多局部人臉特征融合方法，對人臉圖像進行特征提取并得到人臉圖像特征表示，然后借用聚類工具對人臉圖像特征表示聚類，并對所有聚類進行性能評價，最后針對聚類的性能,選擇不同聚

3、類檢索的方案，從而設(shè)計了一個具有準確和快速的人臉檢索算法。
　　本文主要貢獻如下：
　　1.收集一個完備的自然場景人臉檢索數(shù)據(jù)集。人臉圖像數(shù)據(jù)集為驗證人臉檢索算法好壞提供了充分條件，一個完整的數(shù)據(jù)集將會更全面地測試算法性能。在眾多人臉圖像檢索實驗中，F(xiàn)ERET、BioID、LFW和ORL等圖像集較為常用。但是，這些數(shù)據(jù)集中大多都是在正面人臉和特定光照下，在實際應(yīng)用中不具有擴展性。在本論文中收集并整理一個更自然的數(shù)據(jù)集。其中學

4、院監(jiān)控視頻錄制了教職工、學生等人員在監(jiān)控下的走動情況。該視頻中，監(jiān)控處于自然光照。學院監(jiān)控視頻的處理：對監(jiān)控視頻中變化的每一幀進行皮膚檢測，橢圓檢測，提取人臉，并處理和存儲。具體來說，當下幀中得到的前景圖像與背景幀圖像之間是否有變化，一般認為有變化的時候就會有人的出現(xiàn)，如果變化程度達到某個閾值，認為這一幀中有人物出現(xiàn)，論文中利用當前圖像幀減去背景圖像，得到了變化的部分，并對這部分進行皮膚檢測，橢圓檢測，和使用Viola&Jones人臉檢

5、測算法人臉檢測，然后使用最小矩形描述得到的不規(guī)則輪廓，同時，對每個不規(guī)則輪廓對應(yīng)的最小矩形進行保存。這樣做就最大可能地排除了自然環(huán)境下的非人臉區(qū)域。該數(shù)據(jù)集的整理均在Ubuntu系統(tǒng)下完成，約耗費30天，數(shù)據(jù)集中包含近一百個人，共計3167張圖像，其中每一個人平均三十張圖像。該數(shù)據(jù)集整理為驗證論文中所述研究的可行性提供了良好的依據(jù)，也為以后的人臉檢索研究貢獻出一個數(shù)據(jù)集。
　　2.采用光照補償進行圖像預處理。在數(shù)據(jù)集收集整理的過程

6、已經(jīng)使用過光照補償。然而在人臉圖像特征提取之前也使用了光照補償預處理。在處理中首先對像素值進行按降序排序，并取降序排序后的圖像像素中前百分之五像素值的平均值作為補償因子，在此基礎(chǔ)上對每一個像素值進行補償，從而達到削弱光照影響的目的。
　　3.局部特征提取并融合?？紤]到僅憑借單純一種人臉特征的人臉檢索在檢索效果上的不足，在本文中主要提出使用了HOG和LBP兩種算法分別進行人臉圖像特征提取并得到人臉表示，最后按照1:1的權(quán)重比例進行融

7、合得到對應(yīng)圖像的基于HOG和LBP特征的自然場景人臉特征描述。
　　4.聚類、聚類性能評價以及人臉檢索。由于姿態(tài)和尺寸等影響導致類內(nèi)對象較為疏遠，造成人臉檢索的漏檢率較高。本文在局部特征提取和融合的基礎(chǔ)上進行了人臉特征描述的聚類，保證同類對象間距離盡可能緊湊，類間距離疏遠，與此同時，在檢索過程中也就保證了檢索的召回率，降低漏檢率。在聚類中，本文選擇完全相信聚類和半信聚類法進行聚類。最終針對非聚類，完全相信聚類和半信聚類進行比較，結(jié)

8、果表明半信聚類優(yōu)于非聚類和全信聚類，聚類優(yōu)于非聚類。通過使用聚類提高了相似人臉的召回率和人臉檢索的穩(wěn)定性，與此同時，也保證了相似人臉檢索的準確率。
　　本文通過使用光照補償?shù)膱D像預處理，局部特征提取并融合以及人臉特征向量表示的聚類，在一個自然場景下的監(jiān)控視頻下所獲取的數(shù)據(jù)集中進行人臉圖像檢索。首先光照補償削弱了光照不足所造成的影響，特征的融合使得特征更加緊湊準確，特征向量表示的聚類在保證檢索穩(wěn)定性的同時，還提高了人臉檢索的召回率和