《基於圖像配準與表示聯合最佳化的自動人臉識別研究》是依託北京郵電大學，由胡佳妮擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖像配準與表示聯合最佳化的自動人臉識別研究
- 項目類別：面上項目
- 項目負責人：胡佳妮
- 依託單位：北京郵電大學
項目摘要,結題摘要,
項目摘要
實用的自動人臉識別系統必須有準確的人臉檢測與配準作為前端，便於後續進行穩定可靠的人臉特徵表示，實現高精度的人臉匹配。以往的研究工作大多在圖像配準或圖像表示領域獨立進行，使得現有方法難以組成穩定可靠的自動識別系統。本項目以申請人最新提出的變換不變性主成分分析（TIPCA）模型為基礎，採用圖像配準與表示聯合最佳化的技術路線，利用PCA技術把前端的人臉配準與後端的表示學習結合在一起。以典型的人臉檢測結果為研究對象，本項目主要研究：（1）面向遮擋或多姿態人臉圖像的配準與表示聯合最佳化方法，提高TIPCA模型對遮擋和多姿態人臉的配準魯棒性；（2）擴展線性表示模型及其遷移學習算法，提高模型在小樣本條件下的表示與識別的泛化能力；（3）在檢測與配準過程中間引入預配準算法，提高誤檢測圖像自動配準的穩定性。本項目的研究成果將有助於解決小樣本條件下的遮擋和多姿態的全自動人臉識別難題，具有較大的套用價值。
結題摘要
項目組主要在面向遮擋、光照、多姿態等現實環境下的人臉圖像的配準與表示和人臉識別中的度量學習、遷移學習等問題上開展研究，做出了創新性成果：（1）提出了深度非監督域自適應方法，對源資料庫和目標資料庫之間的最大均值差異進行約束，同時利用源資料庫的大量標記人臉圖像對深層神經網路進行訓練，從而緩解源和目標人臉資料庫的差異，以保證模型在小樣本條件下的泛化能力。 （2）提出了基於變分自編碼器的人臉特徵點定位方法，用一個改進的變分自編碼器獲取特徵點局部回響，用一個卷積神經網路完成特徵點位置映射，實現了在複雜的姿態、表情、遮擋下仍然能取得 較高性能。 （3）提出了一種用三維合成擴充訓練集，通過深度遷移實現人臉識別的方法。該方法首先利用3D人臉模型合成各種姿態和自然表情的人臉圖像。在遷移學習中，將三維合成臉作為源域，原始的二維正面人臉作為目標域。 深度遷移網路的最佳化目標是使共同特徵提取層和辨別層的平均差異最大化。 通過本項目科研工作的開展，項目組培養了8名碩士研究生和5名在讀研究生，在人臉識別和深度學習領域進行了大量有益探索，他們在模式識別與計算機視覺領域國際會議上發表論文近38篇，參加了14次國內外學術會議。項目組研製了多姿態人臉識別的成套關鍵技術，已申請國家發明專利3項。
