《人脸识别原理及算法——动态人脸识别系统研究》—第5章5.4节利用局部特征识别人脸图像

本节书摘来自异步社区《人脸识别原理及算法——动态人脸识别系统研究》一书中的第5章5.4节利用局部特征识别人脸图像，作者 沈理 , 刘翼光 , 熊志勇,更多章节内容可以访问云栖社区“异步社区”公众号查看。

5.4 利用局部特征识别人脸图像
人脸识别原理及算法——动态人脸识别系统研究
如同可对整幅人脸图像进行PCA分析，得到全幅图像的主成分，并用于人脸图像的识别一样，也可利用局部特征的主成分进行人脸图像的识别。P. Penev[52]认为，PCA方法是一种全局分析技术，不能提取样本集合的拓扑结构信息以及每个像素点处的局部信息，因此如果利用局部特征进行识别，就可以人为地利用样本集合的拓扑结构，得到样本的局部结构信息。

而且，局部特征具有抗干扰能力强的特点，例如图像全局特征可能会出现较大变化，但在某一局部区域可能变化很小。这时利用全幅图像的特征向量空间进行识别有可能识别不出，而利用局部特征的特征向量空间进行识别往往能够识别。图5-20所示为利用局部特征识别人脸图像，其中图5-20（a）为库中图像（取自UMIST人脸图像库，共有20幅），图5-20（b）为待识别人脸图像，两者整体上相差较大，但右眼区域变化相对较小。

识别时，首先利用全局特征向量进行识别，实验结果表明，不能正确识别；然后利用局部特征眼睛向量空间进行识别，实验结果表明，能够正确识别。

为了进一步考察局部特征的识别能力，进行了如下两组实验。

实验5.28：使用局部特征对深度旋转人脸图像的识别。
① 所用训练样本图像以及待识图像均取自UMIST的人脸图像库，训练样本为20幅正面人脸图像，如图5-20（a）所示；待识人脸图像为20幅深度旋转人脸图像，旋转角度为45°，如图5-20（b）所示。

② 识别过程为：分别利用全局特征向量空间、局部右眼特征向量空间、局部鼻子特征空间、嘴部特征空间进行识别。识别结果见表5-6第二列。

实验5.29：使用局部特征对正面人脸图像的识别。
① 所用训练样本图像以及待识图像均取自FERET的人脸图像库，共取自99个不同的人脸，每个人提供两幅正面图像，只是表情稍微有些变化，分别标记为fa、fb，如图5-16和图5.18所示；训练样本为99幅fa图像，待识人脸图像为99幅fb图像。

② 识别过程为：分别利用全局特征向量空间，局部左、右眼特征向量空间，局部鼻子特征空间，嘴部特征空间进行识别。识别结果见表5-6第三列。

注： 实验5.28中由于待识图像的左眼区域不可见，因此不用于识别
由表5-6可见，仅使用局部特征也能够进行识别，且对于图像深度旋转、部分缺失等情况，相对于全局特征向量识别，其优越性更加明显；同时利用局部特征进行识别，还不受图像背景以及图像偏移的影响。本书第6章将利用局部特征的这一特性，得到人脸图像的双属性图表示。

本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。