（计算机应用技术专业论文）具有年龄变化的人脸识别技术研究.pdf

江苏大学硕士学位论文 摘要 生物识别技术，是近几年迅速发展起来的计算机安全技术，它根据面像、指 纹、掌纹、语音等人体生理特征，利用图像处理和模式识别技术鉴别或验证身份。 作为最容易隐蔽使用的识别技术，人脸识别成为当今国际反恐和安全防范最重要 的手段之一。 针对现有人脸识别技术普遍对年龄变化较为敏感的问题，本文在国内外现有 的人脸识别技术和其他领域年龄变化研究的基础上，从年龄预测、图像重建和分 类识别三个方面着手，提出了基于年龄图像重建的人脸识别算法，并设计实现了 相应的原型系统。本文的工作主要包括： ( 1 ) 提出了基于支持向量回归的人脸年龄预测方法。分析了现有年龄预测算法 的优缺点，采用s o b e l 图像增强算法与s v d 算法相结合提取人脸纹理随年龄变化 的关键特征，在借助支持向量回归算法进行学习的过程中，结合网格搜索与交叉 验证进行参数优化，从而建立最佳年龄回归模型，估计人脸图像的大致年龄范围。 该方法能较好地实现人脸的年龄分类，年龄误差可控制在4 岁范围内。 ( 2 ) 提出了基于年龄特征的人脸图像重建技术。根据已有的生理学数据，结合 机器学习的方法和图像变形技术，对提取出的人脸形状进行年龄变化处理，借鉴 于l a m b e r t i a n 表面比率图理论，提出了年龄比率图的思想，利用训练好的年龄预 测模型调整比率图的生成参数，再对目标人脸进行纹理叠加，从而得到人脸在目 标年龄下的细节纹理。该方法能生成较为真实自然的年龄重建图像，并利用年龄 预测算法对重建结果进行了评价。 ( 3 ) 深入研究了基于奇异值特征与隐马尔可夫模型的分类识别方法，针对传统 奇异值特征包含信息量偏少的缺点，采用分块奇异值特征扩大特征的覆盖范围， 加强不同人脸特征之间的区分度。在1 维h m m 的基础上，根据人脸的组织结构， 设计了水平与垂直两个方向的1 维h m m ，并根据不同的权重进行策略融合，以提 高最终的分类识别效果，该方法既弥补了原有1 维h m m 的精度不够问题，又避 免了2 维h m m 的算法复杂性问题。 ( 4 ) 采用面向对象思想，设计并开发了具有年龄变化的人脸识别原型系统。该 系统由年龄预测、年龄图像重建、特征提取和人脸识别四个功能模块组成。基本 实现了当训练图像与测试图像采集时间间隔十年左右，计算机仍然能根据人脸判 定所属对象。 关键词：人脸识别：图像重建；支持向量机；奇异值分解；隐马尔可夫模型 江苏大学硕士学位论文 a b s t r a c t b i o m e t r i cr e c o g n i t i o nt e c h n o l o g y ，a sac o m p u t e rs e c u r i t yt e c h n o l o g y ，h a sar a p i d d e v e l o p m e n ti nr e c e n ty e a r s i tr e f e r st ot h ea u t o m a t i cr e c o g n i t i o no fi n d i v i d u a l sb a s e d o nt h e i rp h y s i o l o g i c a lc h a r a c t e r i s t i c ss u c ha sf a c e ，f i n g e r p r i n t ，p a l m p r i n t ，v o i c ee t c b y u s i n gi m a g ep r o c e s sa n dp a t t e mr e c o g n i t i o nm e t h o d s ，i ti sp o s s i b l et oi d e n t i f yo rv e r i f y o n e si d e n t i t y f a c er e c o g n i t i o ni st h em o s to u t s t a n d i n gt e c h n i q u eo fb i o m e t r i c sa n d p l a y sav e r yi m p o r t a n tp a r ti ni n t e r n a t i o n a la n t i t e r r o r i s ma n ds e c u r i t ya p p l i c a t i o n s n l ee x i s t i n ga u t o m a t i cm e t h o d so ff a c er e c o g n i t i o nc a n n o tr e c o g n i z ea g e i n gf a c e s w i t hg r e a tc h a n g e si nf a c i a la p p e a r a n c e t h ep a p e rg i v e sac o m p r e h e n s i v es u r v e ya n d a n a l y s i so ft h ee x i s t i n gt e c h n i q u e sa b o u ta g e i n gv a r i a t i o ni no t h e rf i e l d s ，a n dd e s c r i b e s t h em e t h o d so fc u r r e n tf a c e r e c o g n i t i o n b ys y s t e m a t i c a l l ya n a l y z i n g o fr e l e v a n t a l g o r i t h m s ，w ep r e s e n ts o m en o v e la l g o r i t h m sf o rf a c er e c o g n i t i o nw i t ha g e i n g v a r i a n c e s ，s u c ha sa g ep r e d i c t i o n ，i m a g er e c o n s t r u c t i o na n df a c er e c o g n i t i o n i na d d i t i o n ， ap r o t o t y p es y s t e mo ff a c er e c o g n i t i o ni sd e s i g n e da n di m p l e m e n t e d 1 1 1 eh i g h l i g h t sa n dm a i nc o n t r i b u t i o n so f t h ed i s s e r t a t i o ni n c l u d e ： ( 1 ) a na g ep r e d i c t i o na l g o r i t h mb a s e do ns u p p o r tv e c t o rr e g r e s s i o ni sp r o p o s e d f i r s t l y ，k e ya g i n gf e a t u r e sa r ee x t r a c t e db ys o b e li m a g ee n h a n c i n ga n ds i n g u l a rv a l u e d e c o m p o s i t i o n ( s v o ) ，t h e nt h e s ef e a t u r e sa r eu s e dt ot r a i nas u p p o r tv e c t o rr e g r e s s i o n m a c h i n e ( s v m ) t od e r i v ea na g ep r e d i c t i o nm o d e l ar e l a t i o n s h i pb e t w e e naf a c i a l i m a g ea n di t sc o r r e s p o n d i n ga g e t h es v mp a r a m e t e r sa r eo p t i m i z e db yg r i ds e a r c h i n g a n dc r o s s v a l i d a t i o n t h ea l g o r i t h mc a np r e d i c tt h ea g ef r o mf a c i a li m a g ea n dt h ee r r o r i nt h ep r e d i c t e da g eo f t h eu n s e e nd a t ai sa p p r o x i m a t e l y 士4y e a r s ( 2 ) af a c er e c o n s t r u c t i o nm e t h o db a s e do na g ef e a t u r ei sp r e s e n t e d f i r s t l y ，t h e n o n - l i n e a rr e l a t i o n sb e t w e e na g ea n dm o t i o n so f k e yf e a t u r ep o i n t si nf a c ea r ea c h i e v e d b ya n a l y z i n gag r e a tn u m b e ro fs a m p l e s ，a n dan o n l i n e a rm o d e li sb u i l tt od e s c r i b e t h e s er e l a t i o n s b a s e do nt h i sm o d e l ，i m a g ew a r p i n gi su s e dt ot r a n s f o r mt h ef a c es h a p e s e c o n d l y ，a na g e i n gr a t i oi m a g ei sp r o p o s e da c c o r d i n gt ot h er a t i oi m a g eo fl a m b e r t i a n s u r f a c e t h ea g ep r e d i c t i o nm o d e li su s e dt oc h a n g et h ep a r a m e t e r so fa g e i n gr a t i o i m a g es ot h a tt h et e x t u r ea tt a r g e ta g ec a nb ee a s i l yt r a n s f e r r e dt ot h es o u r c ei m a g e s u p p o r t e db yt h i sm e t h o d ，t h er e c o n s t r u c t i o ni m a g e sa r ev i s u a l l yr e a l i s t i ca n dg a i nt h e c h a r a c t e r i s t i co f t h ea g eg r o u pt h e yb e l o n gt o ( 3 ) s e g m e n t e ds v di su s e dt oe x t r a c tf e a t u r ei n s t e a do fw h o l es v d i nt h i sw a y ， f e a t u r e sc a ni n c l u d em o r ei n f o r m a t i o no ff a c i a li m a g ea n dt h e i rd i f f e r e n c e sa r ee n l a r g e d b a s e do nf a c et o p o l o g i cs t r u c t u r e ，at w o d i r e c t i o nh m mi sp r o v i d e d ，w h i c hi sm a d eu p t t 江苏大学硕士学位论文 o fah o r i z o n t a lh m ma n dav e r t i c a lh m m b o t ho f 也e ma r ef u s e db yw e i g h tt o i m p r o v et h ef i n a lp e r f o r m a n c e t h ee x p e r i m e n t a lr e s u l t sh a v es h o w nt h a tt h ea p p r o a c h i sp r i o rt ot m d i t i o n a lh m m ，a si ti se a s i e ra n db e r t e rp e r f o r m a n c e ( 4 ) ap r o t o t y p es y s t e mo ff a c er e c o g n i t i o nw i t ha g e i n gv a r i a n c e si sd e s i g n e da n d i m p l e m e n t e d b a s e do nt h ei d e ao fo r i e n t e do b j e c t ，w ed i v i d et h es y s t e mi n t of o u r m o d u l e st h a ti sa g ep r e d i c t i o n ，a g e i n gi m a g er e c o n s t r u c t i o n ，f a c i a lf e a t u r ee x t r a c t i o n a n df a c er e c o g n i t i o n ，a n dp r o v et h ee f f e c t i v i t yo f a b o v ea l g o r i t h m sw h e nt e s ti m a g e sa r e c a p t u r e dm a n yy e a r sa f t e rt h es u b j e c t si nq u e s t i o np r o v i d e dt r a i n i n gi m a g e s k e yw o r d s ：f a c er e c o g n i t i o n ；i m a g er e c o n s t r u c t i o n ；s v m ；s v d ；h m m i i i 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权江苏大学可以将本学位论文的全部 内容或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 保密口，在年解密后适用本授权书。 不保密 学位论文作者签名：羽、僻 立刃年印月刀日 f 指导教师签名：孑绌积 加6 年v 月巧曰 | 独创性声明 y1 0 1 3 9 7 5 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已注明引用的内容以外，本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：矛】、 日期：，纠易年c 7 6 月7 日 f 江苏大学硕士学位论文 第一章绪论 1 1 课题研究的背景与意义 11 1 研究背景 随着社会的发展，各个方面对自动身份验证的要求日益提高，因而寻找到一 种快速有效的验证手段，成为当务之急。验证手段多种多样，密码就是其中最常 用的一种。然而由于密码容易遗忘或被盗用，因此在某些重要的场合中它只能作 为一种辅助手段。真正安全的方式是利用人体生理上的唯一性差别特征，如虹膜 特征、讲话人的语音特征、人脸特征、指纹特征、身体的气味、d n a 等等，即采 用生物识别的方式。生物特征作为人的内在属性，具有很强的自身稳定性和个体 差异性，因此是身份验证的最理想依据。与指纹、虹膜、语音等其他人体生物特 征相比，人脸特征更适合普通交互环境和社交场合使用，除了拥有不易遗忘或丢 失、不被盗用或仿制、随身携带、终身不变等优点外，更因其人脸图像采集的非 接触性、非侵犯性、非强制性、自由灵活、支持批量采集等优势更乐于为人们所 接受。 虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困 难，特别是在复杂环境下，现有机器识别人脸的能力与人类的识别能力相比，还 存在着很大的差距。对于人类来说，不管观看条件如何改变、人的年龄如何增长、 脸部表情如何变化多端，总是可以从众多不同种族、性别、年龄的人中找出他们 所认识的人来。但是对于机器识别来说，这却是个几乎不可能完成的任务，因为 人脑处理信息的过程至今仍是个迷，没有一台机器的处理能力可以与人脑相匹敌。 而相对于机器而言，人脑的记忆能力和精力毕竟是有限的，这一点恰恰是机器的 优势所在。因此可以想象，如果机器具备了自动识别人脸的功能，将会给我们的 生活带来极大的便利，比如，在生物特征识别方面，可用于公安系统的罪犯身份 识别、驾驶执照及护照的核对，外来移民的管理等；在信息安全方面，可用于 w i n d o w s 登陆身份鉴别、数据库安全管理、i n t e r n e t 访问管理，以及档案管理等； 还可用于视频会议、人机交互和视觉监控等领域，以及出入口的访问控制等等。 广泛的应用前景和科学研究价值吸引了来自模式识别、图像处理、计算机视觉、 生理学、心理学及认知学等诸多学科的研究人员和大量的资金支持，国外比较著 名的研究小组包括美国的麻省理工学院、卡内基梅隆大学、普林斯顿大学、英国 1 江苏大学硕士学位论文 剑桥大学等等，这些研究都受到军方及大公司的高度重视和资助，国内的清华大 学、哈尔滨工业大学、中国科技大学、中科院自动化所、浙江大学等都有人员从 事人脸识别相关研究。 为了进一步地研究智能化的人脸识别技术，特别是在复杂环境下，人脸识别 系统的实际应用问题，国家自然基金委员会对相关技术的研究进行了资助，本文 的研究内容就属于国家自然科学基金项目“远程协作系统中的感知处理技术的研 究”( 项目编号为6 0 2 7 3 0 4 0 ) 研究内容的一部分。 1 1 2 研究意义 经过众多科研工作者的努力，人脸识别技术在过去的十几年中取得了巨大的进 步，积累了大量的研究成果【1 j ，研制出了很多较好的原型系统。但因为人脸识别的 复杂性和人脸识别理论的不成熟性，使真正的人脸识别技术进入工程应用领域达到 实用化还有一定的距离，目前只能在有限的条件和环境下才能取得一定的应用效果。 目前，大多数研究都集中于解决在图像采集环境及成像条件等诸多外界因素 的影响下，如何保持较高的识别率。但是与光照变化、姿态、人脸表情、遮挡等 外部因素相比，内在因素( 诸如人脸的老化) 对人脸识别的影响更加的复杂和难 以捉摸。 老化是一个不可避免的过程，随着年龄的增长，人脸外貌会产生很大变化。 老化的原因是多方面的，有些方面是不可控制的，主要来自于遗传因素的影响， 而另外一些方面是可以控制的，主要来自于社会因素，比如说抽烟、压力以及生 活方式等。在多种因素的综合影响下，不同人的老化程度也呈现不同的效果。 这就要求人脸识别不仅要解决同一个人同一时期图像中噪音、旋转、畸变的 问题，还要解决同一个人不同时期( 跨度时间长达数1 0 年) 、不同环境下摄取的 人脸图像的识别问题。这在学术上和应用系统的设计中都是个挑战。 如果这个问题得到解决，可在多方面得到应用。 1 可直接应用在信用卡、驾驶证、护照、身份证等个人身份证明中，进行自 动个人身份辩识。身份证、护照以及许多其他证件上都有证件所有者的正面免冠 照片，可以保证在进行验证时，虽然证件持有者的样貌已经与照片有一定的差距， 仍能较为准确的识别出对象的身份，减轻了人工干预，不需要每隔一段时间就更 新一次照片。此外，还可以有效地打击假身份证，假姓名等违法犯罪行为。 2 协助公安部门抓捕通缉犯。通常，当刑事案件发生后，可以根据嫌疑犯的 特征和目击证人的描述迅速锁定若干个最可疑的人，对于在逃的要发通缉令进行 2 江苏大学硕士学位论文 通缉。但是一般情况下，可获得的通缉犯照片都是几年之前拍摄的，茫茫人海之 中寻找这样的人犹如大海捞针。利用考虑了年龄因素和成像条件的人脸识别系统， 只需在车站、海关、机场、旅馆等场合安置摄象头，将采集到的照片进行比对， 即使犯人在逃多年，也能比较容易地找到其行踪。 3 模拟人像查询。刑侦中的模拟人脸技术可以根据证人的口述，快速合成犯 罪嫌疑人的头像，如果采用人工来分辨，工作量必然很大。采用人脸识别技术， 按照重点人口、常住人口、暂住人口的顺序，在相关数据库中查找，可以大大提 高工作效率与破案进度。 4 自动门禁系统，主要用于某些地区、部门、家庭、建筑物等入口的管理和安 全监督，配合实时视频检测，可以延长现有系统的使用时限，保证一定的识别效率。 5 匿名者身份确认。当一个案犯被抓获而不承认自己真实身份的时候，可以 用人脸识别技术自动识别出他的身份。一个身患精神病的人走失了，也可以用人 脸识别技术由他的面像知道他的姓名，继而找到他家的地址。 1 2 论文的研究内容及主要工作 本文在广泛阅读国内外相关文献后，比较和借鉴现有成功的人脸识别方法以 及年龄变化的特点，对相应的人脸特征提取及识别的关键技术进行改进和完善， 同时提出基于年龄图像重建的人脸识别算法，并设计实现了相应的原型系统。论 文的主要研究内容和工作包括以下几方面： ( 1 ) 人脸年龄预测技术 在进行图像预处理的基础之上，采用支持向量回归的方法建立人脸纹理与年 龄的关系模型，为后续根据年龄重建人脸图像提供可靠依据。 ( 2 ) 基于年龄的人脸图像重建技术 提出了从脸型变化与纹理变化两个方面进行人脸重建的方法。该算法能够根 据被测人脸的年龄程度，自动选择生成相应的训练人脸库，在一定程度上克服了 年龄变化对特征参数产生的影响。 ( 3 ) 人脸识别算法的研究 采用了分块奇异值特征代替传统的整体奇异值特征，并与一维的h m m 相结 合，构成一种简化的双向h m m 识别算法。实验证明，该识别算法在识别效果上 高于传统的一维h m m 识别算法，算法复杂度与时间消耗上优于二维的h m m 识 别算法。 江苏大学硕士学位论文 ( 4 ) 人脸识别系统的实践研究 采用基于面向对象的思想设计开发人脸识别原型系统。该系统实现了当训练 人脸库与测试人脸库采集时间存在较大间隔时，计算机仍能保证一定的识别精度。 最后，对全文的内容进行了总结，并提出了进一步研究的目标和方向。 1 3 论文的结构 本文主要分为八章，其主要内容概要如下： 第一章主要介绍课题的背景和研究意义，概述了具有年龄变化人脸识别所涉 及的研究范畴及其应用领域，并阐述了本文的主要研究工作。 第二章综合介绍了人脸识别相关技术的研究现状以及在人脸年龄变化方面的 研究进展，并对相关技术加以分析和比较。 第三章介绍本文采用的人脸库情况以及相应的预处理算法，主要包括人脸的 旋转调整、姿态归一化、尺寸归一化和灰度归一化算法，目的是为了摒除其他因 素的影响，突出年龄变化。 第四章详细叙述了基于s o b e l 图像增强与支持向量回归的年龄预测技术，该方 法利用八个方向的s o b e l 对纹理细节进行增强，选取增强图像的奇异值作为年龄特 征，通过支持向量回归能够较为准确地确定图像对象的真实年龄。 第五章在借鉴人脸老化模拟方法的基础上，详细阐述了本文所提出的基于人 脸脸型变化和纹理变化的年龄图像重建技术。 第六章重点描述了采用分块奇异值的双向h m m 识别算法，实现了人脸的分 类识别，并给出了实验结果。 第七章介绍了本文采用面向对象思想，设计开发具有年龄变化人脸识别系统 的方法与过程。 第八章总结全文工作，并对下一步工作进行展望。 4 江苏大学硕士学位论文 第二章人脸年龄变化与识另h 相关技术的研究状况 21 概述 人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之 一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。 首先，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸器官 的结构外形都很相似，这样的特点对于利用人脸进行定位是有利的，但是对于利 用人脸区分人类个体是不利的；其次，人脸识别的关键是找到个体本身与众不同 而又稳定的特征，但是人脸的外形很不稳定，特别是随着年龄的增长，人的面部 会产生很大的改变，原本有效的特征会随着时间的迁移发生变换，导致区分能力 下降。 本章对生理学、计算机视觉和人脸识别三个领域的相关研究成果进行了总结 与分析，针对年龄变化的特点，提出了采用年龄图像重建与识别技术相结合的研 究思路。 2 2 国内外研究现状 虽然近年来对于非限制条件下的人脸识别问题受到越来越多的关注，但是目 前针对年龄变化的研究非常少，可查的工作仅有寥寥的两三篇，可以说尚处于起步 阶段。我们根据本课题的内容，对所涉及的三个领域的研究进展进行总结： ( 1 ) 生理学上有关年龄变化对人脸影响的研究，即年龄变化对骨骼与脸部特征的影响 ( 2 ) 计算机视觉中对于年龄变化的研究，主要涉及人脸的老化与年轻化模拟( 3 ) 人脸识别领域相关算法，主要涉及年龄分类以及能容忍年龄变化的人脸识别算法。 1 生理学角度的年龄变化研究 人脸的结构、骨骼的尺寸、皮肤纹理的改变、皱纹的出现和肌肉的改变都随 着年龄的增加发生着极大的改变。 i p i t a n g u y 等翻基于人体测量学理论，通过测量人脸器官与骨骼的大小，量化年 龄变化对人脸的影响。为了避免外在条件的干扰，实验对象仅限于中产阶级的白 人妇女，共5 0 人，年龄范围为2 5 岁 6 5 岁，每个人选取两个不同历史时期的照片 ( 拍摄时间差异不少于5 年) 。 江苏大学硕士学位论文 文献中人脸参数的选取如图2 1 所示，共选取了1 0 组参数，分别是额头的高 度，上眼睑，眼袋，鼻子的长宽与宽度，鼻翼与人中的长度，双眼中心到嘴唇上 延的距离，嘴唇的厚度，下巴的轮廓，脖子的幅度，耳朵的长度与形状。实验结 果证明，年龄与人脸参数之间存在一种非线形关系，可以用二次多项式很好的拟 合。 图2 1 人脸参数示意图【a ) 正面( b ) 侧面 p e s s a 等1 3 通过研究人类头骨的变化，发现上颌骨的最大高度与眼窝高度的比 值在青年时期( 1 5 2 4 岁) 最大，而婴儿时期( 1 - 1 2 个月) 和老年时期( 5 3 7 6 ) 时较小，并且上颌骨的垂直高度从青年到老年期有明显的减少。该项发现认为人 脸的老化过程呈现一种非线形或者多样化的趋势。尽管由于精确测量数据的获得 很困难，在实际应用中不易实现，但是这个物理模型从宏观角度促进对人脸老化 过程的理解。研究主要侧重于外形的变化，没有涉及纹理( 比如皱纹、斑点等) 的变化，因而据此重建出来的图像真实性不强。 荣建群 4 1 从人脸画像角度，总结了人脸不同年龄的图像细节规律。少年时期， 人脸脸型特征主要为小脸、短圆、小下巴、皮肤光滑有弹性；青年时期，人脸脸 型特征表现为竖向拉长、下巴稍尖，柔和感消失，边沿变硬，皮肤较光滑，伴随 青春痘等皮肤纹理变化；中年时期，人脸脸型特征为边沿棱角更清晰，颧骨突出 两颊有下凹，肌肉出现松垂，下颌稍前凸，皮肤光泽度降低，颜色变深，有皱纹 出现；老年时期，人脸脸型特征表现为两颊下凹明显，面部肌肉松垂加重，胖人 双下巴及下颌前凸明显，皮肤光泽度更低，皱纹多，伴随老年斑等皮肤纹理变化。 图2 2 为文献f 4 总结出的人脸不同年龄面部特征的变化规律。 6 江苏大学硕士学位论文 图2 2 人脸衰老过程中的特征变化描述和画像效果 2 计算机视觉角度的年龄变化研究 在该领域中，研究的重点主要在如何进行年龄变化模拟。顾名思义，年龄变 化模拟就是根据已知目标年龄个体的外貌特征对现有图像进行处理，使得该图像 具有目标年龄下的外貌特征。 根据所使用的方法不同，可以进一步分为两类： ( 1 ) 使用人体测量学中有关数据来建立变形模型，这种方法一般需要借助于 个体的实际测量数据来达到变形的效果。 f l e t a 等【5 【1 1 】以文献翻中定义的年龄参数和变化规律为基础，建立了数学模 型，并在人脸的主要区域标定了特征线( 见图2 3 ) ，采用多项式插值算法对源图 像进行变形得出了目标人脸在不同年龄的图像，图2 4 是经过处理后的人脸图像对 比图，其中右半部分为真实图像，左半部分为模拟出来的相关年龄图像。 图2 3 变形区域( a ) 年龄参数定义区域示意图( b ) 人脸图像特征线示意图 7 江苏大学硕士学位论文 图2 4 年龄变化效果对比图，图像的右半部分为该对象4 l 岁时的真实图像，左半部分分别为 3 1 岁，5 1 岁和6 1 岁的模拟图像。 该方法以生理特征( 主要是人脸的几何特征) 的变化为依据，尝试利用图像 变形技术重建了人脸不同年龄的虚拟图片，尽管捕捉到了人脸参数的变化，但是 从视觉上来看，这种变化并不明显。 h u s s e i n n 提出了一种新的人脸模拟方法。该方法结合基于人体测量学的变形 技术和b r d f ( 双向反射分布) 商图像技术，从人脸外形与纹理两个方面模拟人脸 图像。图2 5 和图2 6 分别为文中列出的外形变化与纹理变化的结果图。 图2 5 外形变化后的人脸图像 江苏大学硕士学位论文 图2 6 叠加纹理后的人脸图像 从图像的实际效果来看，年龄模拟真实性不强，人脸的外形变化主要体现了 秃顶的过程，没有捕捉到人脸其他部分形状的改变，纹理方面只是简单地把皱纹 移植到目标人脸的前额，不够自然。而且这种方法中缺乏与年龄有关的学习过程， 适合于特定人特定特征的模拟，推广性不强，但是其为人体测量学理论的实际应 用提供了很好的经验。 ( 2 ) 借助机器学习算法学习人脸参数的变化 l a n i t i s 等 7 1 描述了如何经过学习建立年龄与表征人脸的特征向量之间的函数 关系，并用实验结果证明了准确预测人脸年龄的合理性。他们的方法是基于一种 人脸统计模型【8 】【9 】，该模型将形状与亮度信息相结合来代表人脸。训练图像首先被 表示为模型参数，对这些模型参数进行主成分分析( p c a ) ，得到降维后的系数， 然后通过学习，建立年龄与这些系数的二次函数关系a g e = 厂( x ) ，最后采用遗传算 法求其逆函数x = 厂1 ( a g e ) ，用生成的预测参数进行重构，得到目标年龄的预测图 像。他们报告了预测年龄以及相应年龄变化的实验效果 l a n i t i s 等的工作具有很强的开创性，为后续的研究提供了非常有价值的经验。 但是由于其研究的对象集中在幼儿和成人之间，年龄范围为0 - - 3 0 岁，人脸的变化 大多体现在形状上，而纹理上的区别不大，这种方法就不再适用于从青年人到中 年人的年龄模拟。并且从他们提供的预测结果( 见图2 7 ) 来看，预测图像与真实 图像的差异也比较大。此外，图像没有进行相应的预处理，光照、旋转、姿态等 因素也被当作年龄变化进行处理了。 9 江苏大学硕士学位论文 图2 7 年龄预测效果图，第一列为源图像，第- - n 为目标年龄的预测图像，第三列为目标年 龄的真实图像。 t i d d e m a n 等 10 】提出了一种基于小波的方法用来为人脸模型添加与年龄相关的 纹理。首先同样用二维形状向量与像素亮度来表示人脸图像，对每个年龄段的一 组人脸参数进行平均，用得到的人脸形状向量与灰度向量构造原型人脸( 见图2 8 ) 。 由于对纹理进行了平均并且没有做较为精确的对准，原型人脸的纹理较为光滑， 缺少与年龄相关的特征( 比如皱纹、斑点等) 。 图2 8 没有叠加年龄纹理的人脸模型 皱纹等细微纹理信息不容易捕捉到，直接提取非常困难，因此，他们首先对 人脸图像进行g a b o r 小波变换，然后通过局部地改变不同尺度与方向的小波函数 权重来增强边缘幅度，凸现出人脸的皱纹( 见图2 9 ) 。 图2 1 0 为他们报告的实验结果，从实际效果中可以看出，基于小波的方法较 好地补充了原有模型中损失的纹理信息，目标对象的年龄有明显的增加。该方法 1 0 江苏大学硕士学位论文 着重于纹理的增强，没有采用学习算法归纳纹理参数与年龄的关系，因而对于目 标年龄究竟应该呈现何种程度的纹理还需要进一步研究。 图2 9 纹理增强的人脸模型 图2 ，1 0 变换示例：( 左) 源图，( 中间) 没有年龄纹理，( 右) 有年龄纹理 江苏大学硕士学位论文 郑南宁等i 】2 】将人缘年龄变换分解成年轻化变换和衰老化变换两部分。采用了 基于稠密特征对应的人脸图像表达方法，建立人脸年龄图像属性空间，结合心理 学中对人脸认知的相关假说，提出了基于平均脸的人脸图像年轻化变换算法；利 用衰老纹理比率图投影技术，以及形状和纹理的差异性渐变技术，提出了基于衰 老纹理映射的人脸图像衰老化变换算法。 图2 1 1 基于平均脸的人像年轻化与衰老化 l i u 等 1 3 】提出了一种基于图像的表面细节变化技术( i m a g e b a s e ds u r f a c ed e t a i l t r a n s f e r ，i b s d t ) ，可以将一个源物体的表面细节特征移植到另外一个目标物体上， 但不改变目标物体原有的光照条件。整个算法由一个高斯滤波器来控制细节变换的 程度。文中给出了这种技术的一个应用，进行人脸图像的年龄模拟。图2 1 2 分别显 示了年轻人老化和老年人年轻化的过程，( a ) 为一幅年轻人的真实图像，( b ) 为滤波参 数较小时的老化图像( c ) 为滤波参数较大时的老化图像，( d ) 为一幅老年人的真实图 像，( e ) 为滤波参数较小时的年轻化图像，( o 为滤波参数较大时的年轻化图像。 图2 1 2 年轻人与老年人的效果对比图 1 2 江苏大学硕士学位论文 i b s d t 技术对于年轻人变老的模拟很有效，但是对于老年人变年轻，是否可 以直接用滤波器进行模糊处理，而不需要进行表面细节变化呢? 文中就此问题进 行了效果对比( 见图2 1 3 ) ，可以看出叠加了细节纹理的人脸图像更加自然，可 得出结论，i b s d t 技术对于老年人变年轻同样很有效。 图2 1 3( a ) 没有细节变化( b ) 有细节变化 3 人脸识别角度的年龄变化研究 人脸识别领域对于年龄的研究大致可以分为两个方面，一类是偏重于人脸的 年龄识别，即给定人脸图像能识别出该人脸的大致年龄范围；一类是对年龄变化 具有鲁棒性的人脸识别，即待测人脸图像与训练人脸图像采集时间具有一定间隔 时，人脸的识别算法研究。 ( 1 ) 人脸年龄识别 人脸年龄识别的关键是如何根据已知的训练集构造一个与个体无关的数学模 型，用于估算未知人脸图像的年龄信息。 精确的年龄估算难度很大，k w o n 等【1 4 将该问题简化成为三个年龄段的年龄分 类问题，即婴儿、青年、老年。几何比率以及皮肤皱纹信息被用于分类特征，其 中人脸主要器官的几何比率被用于区分婴儿与成人，而皱纹信息被用于区分年轻 人与老年人。实验中采用了4 7 幅高分辨率图像，获得了1 0 0 的正确率。该种方 法对图像的分辨率有较高的要求( 至少2 5 6 2 5 6 ，用于皱纹信息分析) ，这在实际 应用中难以满足。此外，仅使用了4 7 幅图片用于测试，不利于评价比较。 h o m g 等 15 】基于k w o n 的思路，提出了一种更加快速和鲁棒的年龄分类系统。 他们改进了几何比率与皱纹分析的方法，改用神经网络作为分类器，并且把测试 库扩大到了2 3 0 幅，取得了8 1 6 的准确率。采用的年龄段依然是婴儿、青年和老 年。 n a k a n o 等 16 着重于人脸纹理的研究，提出了基于图像边缘信息的年龄分类算 法。为了取得更加精确的分类效果，人脸与颈部的纹理都被提取出来作为特征。 首先根据肤色模型将皮肤区域从背景中分割出来，然后使用s o b e l 算子进行边缘检 江苏大学硕士学位论文 测，将超过一定阈值的像素点个数作为特征送入神经网络中进行学习。实验中将 年龄区分为六个阶段，即1 0 岁，2 0 岁，3 0 岁，4 0 岁，5 0 岁和6 0 岁，1 2 0 幅图片 用来训练，1 3 2 幅用于测试，获得了6 1 5 的平均识别率。n a k a n o 认为加入了颈 部区域的纹理有助于提交分类的识别精度，单独使用脸部信息获得的识别率为 5 7 7 。不过值得注意的是，除非特别限制，颈部区域经常被衣物所遮挡，从这一 点上来说需要被测对象的配合。 l a n i t i s 掣1 7 1 在文献【7 1 的基础，提出了一种定量的年龄分类器评估方法。重点研 究了三种分类器的性能：第一个是基于人脸特征与年龄的二次函数关系分类器， 第二个是最近邻分类器，第三个是基于人工神经网络的分类器。采用年龄为o 一3 5 岁的人脸图片进行实验，其中2 0 0 幅用于训练，2 0 0 幅用于测试，结果表明，三个 分类器的识别误差分别为5 0 4 岁，5 ，6 5 岁，4 7 8 岁，而人类在同样情况下的识别 误差为3 6 4 。因而，l a n i t i s 认为采用机器学习的方法来进行人脸年龄的估计具有 一定的可靠性。 ( 2 ) 对年龄变化鲁棒的人脸识别算法 l a n i t i s 等【1 8 l 将文献 7 】中提出的方法用于改进人脸识别系统，进行了两个实验： 其一，训练库是儿童( 平均年龄9 岁) ，测试库为成人( 平均年龄2 4 岁) ，识 别率从6 5 提升到8 1 ；其二，训练库是成人( 平均年龄2 4 岁) ，测试库为儿童 ( 平均年龄9 岁) ，识别率从5 8 提升到7 7 。该实验结果为近年来对这个问题 研究的最好结果。 n a r a y a n a n 1 9 】为了解决护照中人脸图像的识别问题，提出了一种基于贝叶斯学 习理论的年龄差别分类器。将收集到的护照人脸图像按不同标准分成两个部分， 第一部分是按对象分，即将同一个人不同历史时期的图像分在一起，并据此建立 一个类间差别子空间；第二部分是按图像间隔的年份划分，分别为1 2 年，3 - 4 年， 5 7 年，8 - 9 年，并在此基础上建立四个年龄差别子空间。在相应子空间上建立贝 叶斯分类器，具体识别流程如图2 1 4 所示。给定一对人脸图像1 1 和1 2 ，首先提取 出p o i n t f i v ef a c e 消除光照影响，然后采用第一级贝叶斯分类器区分是否为同一人 脸，如果是，进入第二级贝叶斯分类器确定所属的时间间隔类型。 1 4 江苏大学硕士学位论文 图2 1 4 年龄差别分类器示意图 文中对不同时间间隔的区分难度进行了比较，其中认为时间间隔为8 - 9 年时最 容易区分，可以达到8 6 ，此外，头发、表情、眼睛等因素是导致误判的原因之 o 2 3 性能比较 人脸识别的关键是找到个体本身与众不同而又稳定的特征，但是由于年龄的 增长会使人的面部产生很大的变换，原本有效的特征会随着时间的迁移发生变换， 导致区分能力下降。很多文献报告了其特征对于年龄变化的敏感性，但大多未能 提出切实有效的解决方案。表2 1 列举了现有文献中识别有年龄变化人脸图像的一 些结果以及所用数据库的相关情况。 表2 1 年龄变化人脸识别结果总结 研究者及年份人脸库 训练集测试集识别率 洪子泉【2 。1 4 5 幅( 9 个对象，9 个对象不同历史时期的 9 个对象5 7 1 9 9 4 】 每人5 幅) 图片 1 6 5 幅图片 l a l l i t i s 7 】 8 0 幅8 5 幅 ( 1 2 个对象，从 7 l 2 0 0 2 ( 0 - 1 8 岁)( 1 9 3 0 岁) 0 3 0 岁) 3 7 4 3 7 个对象从8 0 降到 f r v t 2 0 0 2 2 t 】3 7 4 3 7 个对象 3 7 4 3 7 个对象( 与训练集中人脸图片时间 5 8 ，平均一 【2 0 0 2 】 ( 1 2 1 5 8 9 幅图片) 间隔6 0 天到1 1 4 0 天)年下降5 s e t i ：4 6 5 对( 同一人的两 s e t i ： n a r a y a n a n r 1 1 9 1 4 6 5 个对象 幅图片为一对) 9 9 ( 每人两幅， 2 0 0 个对象 2 0 0 5 s e t i i ：4 6 5 对( 不同人的 s e t i i ： 2 7 7 0 岁) 两幅图片为一对) 8 3 需要说明的是，l a n i t i s 研究的人脸图像采用的年龄均不大于3 5 岁，而一般识 别系统的适用对象以成人( 1 8 5 0 岁左右) 为主，因而此方法还需要进一步推广。 江苏大学硕士学位论文 n a r a y a n a n 提出的识别算法与普通意义上的人脸识别不同，他所定义的识别任务 是，给定两幅图像判断是否是同一个人，有可能存在一幅图像与多幅图像都被判 定为相似的情况。洪子泉认为识别率降低的原因在于特征不足，解决这个问题需 要扩大特征的覆盖率。 2 4 结论与启示 以上从生理学、计算机视觉、模式识别等方面简要介绍了年龄变化对人脸影 响的相关研究成果。 我们可以得到如下的结论： 1 ) 生理学上研究结论表明，人脸的结构与相关器官的比率，会随着年龄的增 长产生细微的改变。 2 ) 计算机视觉中有关图像变形与纹理合成的研究进展，给人脸的年龄模拟提 供了很好的技术支持，现有的技术能较为真实地进行人脸年轻化和老化处理。 3 ) 年龄变化的研究成为人脸识别领域未来的研究热点，目前的算法加了诸多 的限制条件( 例如，控制光照、正面图像、中性表