《非限制環境下人臉識別關鍵技術研究》是依託中山大學，由胡海峰擔任項目負責人的面上項目。
基本介紹
- 中文名：非限制環境下人臉識別關鍵技術研究
- 項目類別：面上項目
- 項目負責人：胡海峰
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
人臉識別一直是計算機視覺和模式識別領域的研究熱點，而非限制環境下的人臉識別，由於姿態、光照的多樣性以及圖像質量的不可預見性，更富有挑戰性，近年來成為新的關注點。圍繞這些難題，本項目將展開如下研究：(1)擬研究基於三維模型的多姿態人臉識別技術，重點解決基於單一樣本多姿態人臉圖像的三維外形重建以及基於多層次描述的三維人臉表征等問題；(2)擬對極端光照變化下的人臉表征方法展開研究，重點解決非朗伯反射約束條件下的光照不變人臉特徵提取以及鬆弛配準條件下的人臉稀疏表示問題；(3)擬對超低解析度的人臉圖像重構進行研究，重點解決多模態非線性關係學習以及基於語義約束的人臉超解析度重構等問題。通過本課題研究，期望在三維人臉表征、光照不變人臉特徵提取以及超低解析度人臉圖像重構等方面獲得突破。最後，我們將利用本研究所得的新理論和方法，構建一個面向實際環境的人臉識別系統。
結題摘要
人臉識別一直是計算機視覺和模式識別領域的研究熱點，而非限制環境下的人臉識別，由於姿態、光照、年齡、表情變化的多樣性以及圖像質量的不可預見性，更富有挑戰性。圍繞這些難題，在本項目資助下，我們開展了如下研究：（1）針對姿態變化問題，分別提出基於Gabor特徵的權重分塊稀疏人臉表示算法、基於跨模態核線性判別分析混合稀疏編碼、基於多尺度跨模態深度網路聯合金字塔判決異構模型等方法，解決了單個訓練條件下多姿態人臉識別難題；（2）針對光照變化問題，我們提出了雙樹復小波算法、多流形稀疏格萊斯曼鑑別分析算法以及多流形典型相關鑑別分析算法，解決了可變光照人臉表征難題；（3）針對低解析度圖像質量問題，提出基於“核”技巧的耦合鑑別分析方法及其增強模型，我們將低解析度非正面人臉圖和高解析度正面人臉圖像分別映射到一個公共空間，在該空間進行特徵提取。我們的方法考慮了多個鑑別因素並能對非正面低解析度人臉進行魯棒表征，這在當前研究中並不多見；（4）針對年齡變化問題，我們提出基於強化因子分析的跨年齡人臉識別算法，該算法能有效地將人臉身份與年齡信息分離，並採用最大後驗機率法解決了人臉分類問題；（5）針對表情變化問題，我們提出基於流行正則化的雙字典稀疏編碼方法以及基於差值信息的卷積神經網路表達算法，上述算法能增強同類數據在結構上的內部關聯信息，使圖像的表示更具代表性。在本項目資助下，我們還對多視角步態特徵表達以及基於深度學習的動作識別算法進行了深入研究，提出了一系列解決方案。本課題的研究涵蓋了當前人臉識別研究的主要熱點和難點問題，其理論意義和研究價值將是非常深遠的。
