基于人臉形狀特征的精確定位解析方案

5.3 檢測(cè)與識(shí)別結(jié)果

本文利用BioID 人臉庫(kù)中的100幅靜止灰度圖片(BioID_0000.pgm- BioID_0099.pgm)作為素材進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如表1所示。

表1 檢測(cè)與識(shí)別結(jié)果

檢測(cè)與定位方法正確率(%)參數(shù)改變時(shí)的適應(yīng)性主要錯(cuò)檢原因

膚色分割初步定位21較好背景復(fù)雜、光照影響

橢圓模板定位43較差邊緣提取后,背景復(fù)雜

橢圓模板的適應(yīng)性不足

加入眼、眉和嘴特征87較好傾斜、附屬物干擾等

5.4 結(jié)果分析

在上述3種方法中,參數(shù)橢圓模板結(jié)合眼睛、眉毛和嘴巴特征的定位方法顯示出較好的性能。

在采用基于膚色進(jìn)行圖像分割,進(jìn)而定位人臉的方法時(shí),由于膚色受環(huán)境光照、背景中近似膚色物體的存在的影響,導(dǎo)致定位結(jié)果較差。在改變閾值大小時(shí), 對(duì)判斷的結(jié)果影響不大,這表明:第一,膚色與背景色混雜,以及強(qiáng)烈的光照的影響,是造成誤判的主要因素;第二,在一種上述問(wèn)題不太嚴(yán)重的比較“理想”的狀態(tài)下,膚色模型也的確能有效地發(fā)揮作用,以抵消來(lái)自于外形姿態(tài)等方面的影響。對(duì)膚色模型的改進(jìn)應(yīng)該集中在對(duì)于光照的處理和與背景的分離上,利用模板進(jìn)行檢測(cè)與定位即是有效分離背景干擾的一種方法。

在單純采用橢圓模板進(jìn)行檢測(cè)與定位時(shí),檢測(cè)的正確率得到了一定的提高,但總的來(lái)說(shuō)還是很難令人滿(mǎn)意的。在通過(guò)改變橢圓的參數(shù)試驗(yàn)其性能時(shí),其對(duì)參數(shù)變化的適應(yīng)性把高。經(jīng)分析,可以認(rèn)為是復(fù)雜的背景直接影響了橢圓模板的有效性。而對(duì)參數(shù)變化的適應(yīng)性差,主要是因?yàn)閳D像庫(kù)中的人臉外形多為長(zhǎng)橢圓形,表現(xiàn)在參數(shù)上差別不大。因而,僅僅通過(guò)橢圓模板進(jìn)行人臉的檢測(cè)與定位,其效果是難以令人滿(mǎn)意的。

在參數(shù)橢圓模板的基礎(chǔ)上,加入對(duì)眼睛、眉毛和嘴巴特征的參數(shù)描述,進(jìn)而利用改進(jìn)的模板進(jìn)行檢測(cè)與定位,取得了較好的結(jié)果。并且,在通過(guò)調(diào)節(jié)參數(shù)區(qū)分目標(biāo)人物時(shí),也有較好的表現(xiàn)。經(jīng)分析,檢測(cè)與定位成功率的提高得益于對(duì)臉部器官外形參數(shù)的有效地描述,使其過(guò)濾了大多數(shù)的背景中的干擾,取得了較好的效果。在調(diào)節(jié)面部器官的外形參數(shù)時(shí),模型取得了較好的區(qū)分效果,這可以認(rèn)為是各目標(biāo)人物的個(gè)人特征的真實(shí)反應(yīng)。其中仍然存在的問(wèn)題是,在人臉傾斜,或有眼鏡、大片頭發(fā)遮蓋等情況發(fā)生時(shí),將對(duì)檢測(cè)與定位的效果產(chǎn)生嚴(yán)重的影響。

6 結(jié)論

人臉檢測(cè)與識(shí)別研究的趨勢(shì)是利用多種線(xiàn)索(頭發(fā)、膚色、器官、輪廓、模板等),綜合多種分類(lèi)方法(混合高斯模型、概率模型、神經(jīng)網(wǎng)與支持向量機(jī)等),啟發(fā)式信息與統(tǒng)計(jì)學(xué)習(xí)方法相結(jié)合?？傊?由于人臉對(duì)象的非剛體性,以及姿態(tài)、光照、遮擋等各種變化因素的影響和實(shí)時(shí)性要求,高性能的人臉檢測(cè)仍是一個(gè)困難的問(wèn)題。

7本文作者創(chuàng)新點(diǎn):

1采用基于參數(shù)化的橢圓型人臉模板與基于眼睛及嘴巴幾何特征相結(jié)合的人臉定位方法,根據(jù)其眼睛、鼻部及嘴部的幾何特征參數(shù),對(duì)實(shí)驗(yàn)人臉庫(kù)進(jìn)行監(jiān)督下的分類(lèi)。

2提出了結(jié)合人臉模板和人臉特征進(jìn)行人臉檢測(cè)的方法,并對(duì)現(xiàn)有的人臉檢測(cè)與定位的方法提出了改進(jìn),進(jìn)而提取臉部特征,并在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)智能識(shí)別系統(tǒng),經(jīng)檢驗(yàn),模型取得了較好的區(qū)分效果。

3.本項(xiàng)目為作者所在學(xué)院智能機(jī)器人研究課題之子課題,該課題目前已初步實(shí)用化,產(chǎn)生經(jīng)濟(jì)效益累計(jì)達(dá)110萬(wàn)元。本項(xiàng)目實(shí)驗(yàn)數(shù)據(jù),如FERET’97及FRVT 2000,以及BioID人臉庫(kù)等,均為互聯(lián)網(wǎng)上公開(kāi)資料,所采用的研究方法為實(shí)驗(yàn)法。