基于人臉形狀特征的精確定位解析方案

5.3 檢測與識別結(jié)果

本文利用BioID 人臉庫中的100幅靜止灰度圖片(BioID_0000.pgm- BioID_0099.pgm)作為素材進(jìn)行了實驗。實驗結(jié)果如表1所示。

表1 檢測與識別結(jié)果

檢測與定位方法正確率(%)參數(shù)改變時的適應(yīng)性主要錯檢原因

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,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, 對判斷的結(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,以抵消來自于外形姿態(tài)等方面的影響。對膚色模型的改進(jìn)應(yīng)該集中在對于光照的處理和與背景的分離上,利用模板進(jìn)行檢測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)行檢測與定位時,檢測的正確率得到了一定的提高,但總的來說還是很難令人滿意的。在通過改變橢圓的參數(shù)試驗其性能時,其對參數(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。而對參數(shù)變化的適應(yīng)性差,主要是因為圖像庫中的人臉外形多為長橢圓形,表現(xiàn)在參數(shù)上差別不大。因而,僅僅通過橢圓模板進(jìn)行人臉的檢測與定位,其效果是難以令人滿意的。

在參數(shù)橢圓模板的基礎(chǔ)上,加入對眼睛、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)行檢測與定位,取得了較好的結(jié)果。并且,在通過調(diào)節(jié)參數(shù)區(qū)分目標(biāo)人物時,也有較好的表現(xiàn)。經(jīng)分析,檢測與定位成功率的提高得益于對臉部器官外形參數(shù)的有效地描述,使其過濾了大多數(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,模型取得了較好的區(qū)分效果,這可以認(rèn)為是各目標(biāo)人物的個人特征的真實反應(yīng)。其中仍然存在的問題是,在人臉傾斜,或有眼鏡、大片頭發(fā)遮蓋等情況發(fā)生時,將對檢測與定位的效果產(chǎn)生嚴(yán)重的影響。

6 結(jié)論

人臉檢測與識別研究的趨勢是利用多種線索(頭發(fā)、膚色、器官、輪廓、模板等),綜合多種分類方法(混合高斯模型、概率模型、神經(jīng)網(wǎng)與支持向量機等),啟發(fā)式信息與統(tǒng)計學(xué)習(xí)方法相結(jié)合。總之,由于人臉對象的非剛體性,以及姿態(tài)、光照、遮擋等各種變化因素的影響和實時性要求,高性能的人臉檢測仍是一個困難的問題。

7本文作者創(chuàng)新點:

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),對實驗人臉庫進(jìn)行監(jiān)督下的分類。

2提出了結(jié)合人臉模板和人臉特征進(jìn)行人臉檢測的方法,并對現(xiàn)有的人臉檢測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)上實現(xiàn)了一個智能識別系統(tǒng),經(jīng)檢驗,模型取得了較好的區(qū)分效果。

3.本項目為作者所在學(xué)院智能機器人研究課題之子課題,該課題目前已初步實用化,產(chǎn)生經(jīng)濟效益累計達(dá)110萬元。本項目實驗數(shù)據(jù),如FERET’97及FRVT 2000,以及BioID人臉庫等,均為互聯(lián)網(wǎng)上公開資料,所采用的研究方法為實驗法。