（模式识别与智能系统专业论文）人脸年龄估计技术的研究.pdf

南京i i i g l 1 大学硕i ：g f 究生学位论文 摘要 摘要 人脸图像与年龄关系的研究是人像处理领域的重要课题，该研究具有重要的科学意义 和实用价值。经过多年的发展，在人脸年龄变化研究方面已经取得了很大的进步，但实践 和经验表明人脸年龄变化的研究还远未成熟。本文在国内外已有的研究基础上，进行年龄 估计方面的研究，并达到了比较好的效果。 本文主要工作有以下几个方面： ( 1 ) 本文提出了a s m a a m 联合建模的方法，然后用模型匹配法来提取人脸的形状 特征和纹理特征，该方法既利用了a s m 能够根据局部纹理信息比较精确地定位出人脸形 状特征的优点，又利用了a a m 能够精确提取形状特征点内部的纹理特征的优点。 ( 2 ) 在人脸建模完成后，本文在特征提取这个步骤的具体实现上提出了双模型年龄 特征提取的方法，实际上是根据测试图像所属的年龄段选择两种模型其中的一种来完成特 征提取，这样使待测图片的特征能够更准确地被提取出来，从而有利于后面特征库的建立。 ( 3 ) 在年龄的判决阶段，本文采用了基于支持向量机的年龄估计方法，将人脸年龄 分为2 0 一2 5 ，2 5 3 0 ，6 5 7 0 一共1 0 个年龄段，根据前面提出双模型的方法，相应的训 练两组基于支持向量分类( s v c ) 的分类器，最终取得了不错的识别效果。 ( 4 ) 本文采用面向对象的方法，用v c + + 6 0 设计出了人脸年龄估计系统，该系统包 括了图像预处理，人脸检测，人脸建模，人脸模型匹配，特征参数提取，s v m 训练，年龄 分类识别这些功能。 关键词：人脸识别；年龄估计；主动形状模型；主动外观模型；主动轮廓模型；主分量分 析；支持向量机 南京邮i u 大学硕：i ：研究生学位论文 a b s t r a c t a b s t r a c t t h ec h a n g e si nf a c i a la p p e a r a n c eo fa g i n gf a c e si sa na c t i v er e s e a r c ha r e ai nf a c ep r o c e s s i n g , s u c har e s e a r c hh a sb o t hs i g n i f i c a n tt h e o r e t i cv a l u e sa n dw i d ep o t e n t i a la p p l i c a t i o n s i th a sm a d e g r e a tp r o g r e s se s p e c i a l l yi n t h ep a s tf e wy e a r s ；h o w e v e r , e v a l u a t i o nr e s u l t sa n dp r a c t i c a l e x p e r i e n c eh a v es h o w nt h a ts u c har e s e a r c hi sc u r r e n t l yf a rf r o mm a t u r e t h ep a p e r h a sd o n ea l o to fr e s e a r c ha n de x p e r i m e n ti nt h ea g ep r e d i c t i o n ，b a s e do no t h e r sr e s e a r c hi nd o m e s t i ca n d f o r e i g n ，a n dt h ee f f e c ti sg o o d t h 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 ft h ed i s s e r t a t i o ni n c l u d e ： ( 1 ) t h i sp a p e rw i l lp r e s e n tt h em e t h o do fa s m a a mt ob u i l daf a c em o d e l ，t h e nu s i n gt h i s m o d e la b s t r a c ts h a p ef e a t u r ea n dt e x t u r ef e a t u r e t h i sm e t h o de i t h e rm a k e su s eo ft h ea d v a n t a g e o fa s ma n da a mo ra v o i d st h ed i s a d v a n t a g eo fa s ma n da a m a s mi sg o o da tt ol o c a t et h e s h a p em o d e lb u ti tc a n n o tl o c a t et h et e x t u r em o d e l a a mi sg o o da tt ol o c a t et h et e x t u r em o d e l b u ti tc a n n o tl o c a t et h es h a p em o d e la c c u r a t e l y ( 2 ) a f t e rb u i l d i n gt h ef a c em o d e l ，t h i sp a p e rp r e s e n t st h em e t h o do ft w o - m o d e lt oa b s t r a c t t h ea g ef e a t u r e a c t u a l l ya c c o r d i n gt oa g eo ft h et e s ti m a g ec h o i c eo n eo ft h em o d e lt of i n i s h a b s t r a c t i n gt h ef e a t u r e i nt h i sw a y t h ef e a t u r eo ft h et e s ti m a g ec a nb ea b s t r a c t e da c c u r a t e l y , a n di t i sb e n e f i tf o rb u i l d i n gt h ef e a t u r ed a t a b a s e ( 3 ) a tt h es t e po fa g ed e c i s i o n ，t h ep a p e ru s e st h em e t h o da g ee s t i m a t ew h i c hi sb a s e do f s v m ，t h e nc l a s s i f yt h ea g ei n t ot e nc l a s s e s t h e ya r e2 0 2 5 ，2 5 - 3 0 ，6 5 - 7 0 a c c o r d i n gt ot h e t w o - m o d e lf e a t u r ea b s t r a c tm e t h o d ，t r a i n i n gt h et w og r o u pc l a s s i f i e r sb a s e do ns v c a tt h ee n d ， t h em e t h o da c h i e v eag o o dr e s u l t ( 4 ) b a s e do nt h ei d e ao fo r i e n t e do b j e c t ，t h i sp a p e ru s e sv c + + 6 0t od e s i g nt h es y s t e mo f a g ee s t i m a t i o n t h i ss y s t e mh a sf u n c t i o n ss u c ha si m a g ep r e p r o c e s s i n g ，f a c ed e t e c t i n g ，f a c e m o d e lb u i l d i n g ，f a c em o d e lm a t c h i n g ，f e a t u r ea b s t r a c t i o n ，s v mt r a i n i n g ，a g er e c o g n i t i o n k e y w o r d s ：f a c er e c o g n i t i o n ；a g ee s t i m a t i o n ；a c t i v es h a p em o d e l ；a c t i v ea p p e a r a n c em o d e l ； a c t i v ec o n t o u rm o d e l ；p c a ；s v m 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包 含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它 教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：盎墅，日期：趁翌宝：拓! 兰 南京邮电大学学位论文使用授权声明 南京邮电大学、中国科学技术信息研究所、国家图书馆有权保留本人所送 交学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论 文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。 论文的公布( 包括刊登) 授权南京邮电大学研究生部办理。 石卅， 研究生签名：望丑堑3 导师签名：确私嗍妒似， 南京邮i 乜人学硕： ：研究生学位论文第一章绪论 1 1 研究背景 第一章绪论 随着模式识别的迅速发展，识别技术在越来越多的领域得到应用，如文字识别、语音 识别、鉴别人脸和指纹、医学上的应用、军事上的应用等方面。在多媒体信息时代，对数 字图像和视频数据的研究工作显得越来越重要，而人脸是图像或视频数据中最重要的对象 之一。人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识 别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛 的应用。与虹膜、指纹、声音等识别途径相比，人脸识别被认为是身份确认途径中最方便， 但错误率却太高的一种技术。而人们在社会活动中，最常用最可靠的确认熟人的方法就是 靠眼睛看脸。因而，从信息含量来看，人脸识别在确认身份方面完全是有使用价值的。 所谓人脸识别，是指给定一个包含若干已知身份的人脸图像的数据库，在一幅待识别的 人脸图像中，利用计算机从中提取有效的识别信息，从而验证和鉴别单个或者多个人的身 份。 人脸识别技术是机器视觉领域的重要研究内容，应用十分广泛。在身份认证领域，由 于各种证件与资料都附带人脸照片，相对于指纹、虹膜等身份认证方式，人脸识别技术应 用更为普遍，结果验证直观；在信息检索领域，人脸识别可帮助检索人物图片资料，例如 电视节目制作者查找某人的以往历史图像资料，安全部门从各种身份照片中查找目标等 等；人脸识别对于自动监控系统、人机交互以及智能系统等都具有重要意义。 由计算机来完成的自动人脸识别技术主要有两大类：基于成分和基于人脸的识别方 法。在基于成分方法中，识别是依靠人的脸部特征，例如眼、鼻子和脸框等的几何特征来 实现的。这些方法的成功很大程度上要依赖于所使用的特征判别算法，然而准确提取脸部 特征是很难的。基于人脸的方法是将人脸作为一个整体来定义的，即把人脸看成一个二维 图像，利用其统计特征来完成判别。 虽然人类可以毫不困难地根据人脸来辨别一个人，但利用计算机进行完全自动地人脸 识别仍然存在许多困难，这主要表现在：人脸是非刚体，存在表情变化；人脸随年龄增长 而变化；发型、眼镜等装饰对人脸造成遮挡；人脸所成图像受光照、成像角度、成像距离 等影响。而且从三维图像重建三维人脸是病态过程，目前尚没有很好的描述人脸的三维模 型。另外，人脸识别还涉及到图像处理、计算机视觉、模式识别、身理学、心理学以及神 南京i i l l jf 1 2 , 人学硕：f j 研究生学位论文 第一章绪论 经网络等学科，也和人脑的认识程度紧密相关。这诸多因素使得人脸识别成为一项极富挑 战性的课题。 人脸识别在实际应用中有很多问题需要解决，如年龄变化、姿态变化、物体遮挡、光 照变化等。在公安刑侦等实际应用中，多数情况下得到的人脸图像与库中的人脸图像之问 存在年龄的差异。当人脸年龄发生变化时，常用算法的识别率会显著下降。这里主要根据 公安刑侦工作中的实际需要，研究人脸识别中的年龄问题，实现对年龄变化的人脸识别， 以推动人脸识别技术在公安刑侦领域的实际应用。 1 2 研究意义 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。 如果这些问题得到研究并解决，就在多方面得到应用。 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j 下面免冠照片，可以保证 在进行验证时，虽然证件持有者的样貌己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 场合安置摄像头，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 2 南京邮电人学硕一 ：研究生学位论文第一章绪论 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。 6 有利于营销者对市场信息的自动收集、或其他商业部门的需求，例如商场对各年龄 段顾客的消费情况的收集、在网吧等消费场所可以做到对不同年龄程度人的提供服务，在 只本的超市或便利店就有这样的人脸年龄判别系统，可以防止未成年人对烟酒等商品的消 费。 1 3 研究现状 从上个世纪七十年代至今，国内外有关人像的计算机处理研究成果很多，目前人脸年 龄估计主要方法是：对不同年龄人脸图片的训练与测试，建立一个能够对新的人脸图片进 行年龄估计的模型，进而完成年龄估计与人脸仿真的工作。 p e s s a 1 等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。 i p i t a n g u y 等h 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 s 年) 。荣建群p 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，下领 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，胖人双下巴及下领前凸明显，皮肤光泽度更低，皱纹多，伴 随老年斑等皮肤纹理变化。 l a n i t i s 【4 , 5 , 6 , 7 , 1 1 】等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_ 种人脸统计模 ，3 市女u mq f 宄学m 论文第一章绪论 型，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 些模型参数进行主分量分析( p d n c i p a lc o m p o n e n t s a n a l y s i s ，p c a ) 。得到降维后的系数，然 后通过学习，建立年龄与这砦系数的二次函数关系a g e = f ( x ) ，最后采用遗传算法求其逆 瞬数z = f “( 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 4 , 5 , 6 , 7 , 1 1 】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。 l a n i t i s 等在其它文献的基础上，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 _ 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50 4 岁， 56 5 岁，47 8 岁，而人类在同样情况下的识别误差为36 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。 h u s s e i n ”1 提出了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 ( 双向反射分怖) 商图像技术，从人脸外彤与纹理两个方面模拟人脸图像。图1 - 1 和图1 2 分别为文中列出的外形变化与纹理变化的结果图。 qqqqj 叠蔷蓄江邋鬈鬟鏊潋 aa _ j d 以 幽卜1h u s s e lr 1 人脸外形变化示意 m 京忡l b 学jm 究t 学位论立第一章绪论 瀚。二霸 虢b 。奠离 剿感 图卜2h u s s c n 人脸纹理叠加示意图 郑南宁【1 卅等将人像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，提出了基丁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。 k w o 【1 2 】 1 3 】等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。 几何比率咀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 幅高分辨翠图像， 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 x 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 f l 4 1 等基于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 16 的准确率。采用的年龄段依然足婴儿、青年和老年。 n a k a n o 5 1 等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 算子进行边缘检测，将超过一定闷值的 像索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l o 岁， 2 0 岁，3 0 岁，4 0 岁，5 0 岁和6 0 岁，1 2 0 幅图片用柬训练，i3 2 幅用丁测试，获得了6 15 e 塑塞坚! 堡盔兰堡土型壅竺兰篁笙茎笙二童笪堡 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。 n a r a y a n a n 【1 6 】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1 3 所 示。给定一对人脸图像i l 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。 图1 - 3 年龄差别分类器图 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一。 1 4 论文研究内容及结构安排 本文主要分为六章，其主要内容概括如下： 第一章是绪论部分，主要介绍了本课题的研究背景，研究意义，研究现状，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。 第二章是图像预处理部分，该章首先介绍了本课题所用的数据库，然后详细介绍了人 脸图像预处理的一些相关方法：人脸图像旋转调整，人脸图像姿态归一化，人脸图像几何 归一化，人脸图像灰度均衡化。 第三章是人脸年龄的特征提取，该章是本课题的重点，该章属于模式识别理论的特征 提取部分，本章首先论述了一些常用的特征提取方法，然后论述了a s m ( a c t i v es h a p e m o d e l ) ，a a m ( a c t i v ea p p e a r a n c em o d e l ) 人脸定位方法的优点和不足之处，在此基础上 6 南京邮电大学硕：l 二研究生学位论文第一章绪论 提出了用a s m a a m 联合定位人脸的方法进行人脸形状建模，人脸纹理建模，人脸形状纹 理联合建模，接着提出了双模型特征提取的算法。最后给出了本课题的一些仿真结果，该 结果包括了模型三角化实验结果，人脸库建模的实验结果，以及对一幅人脸图像进行模型 匹配的次迭代过程的实验结果。 第四章是介绍了基于支持向量机的年龄识别，该章属于模式识别理论的判决部分，也 是本课题的重点章节。该章首先介绍了一些目前主流的机器判决方法，然后着重介绍了支 持向量机的原理，向量机判决的算法，然后给出了向量机核函数的选择依据已经最优参数 的确定方法，并根据第三章的双模型方法分另u i ) l l 练两组s v m 分类器，最后给出了利用本 文提出的方法进行实验的结果，以及同别的训练方法的实验相互比较曲线图。 第五章是在第三章和第四章的理论基础上给出了人脸年龄估计系统的实现，主要讲述 了如何用v c h 6 0 完成该系统的实现，主要演示了下面三大模块的效果，分别是：1 图像 预处理模块，2 人脸建模模块3 人脸图像年龄识别模块。 第六章是对整个工作进行总结，主要包括工作总结和对未来工作的展望两大部分。 7 南京i i g i r 人学硕t ：g f 究生学位论文第二章图像预处理 第二章图像预处理 图像预处理是整个图像模式识别过程的第一个步骤。预处理是将模式识别的样本从一 定的环境中抽取出不受更多干扰因素影响的待识别样本。二般说来，预处理的功能包括消 除或者减少模式采集中的噪声及其他干扰，以便提高信噪比、消除或减少数据图像模糊( 特 别是运动模糊) 及几何失真，提高清晰度、改变模式的结构，例如将非线性的模式转变成 线性的模式、图像的滤波、变换、编码、标准化等都可以归类于预处理工作。在一些采集 过程中，采集到的是一些模拟量，这一过程特别在工业控制中经常出现，计算机却只能处 理数字量，这就要求模数转换过程。对于模数转换一般要考虑两个量：采样时间间隔和量 化级。采样和量化对于模数转换的效果影响特别大。特别指出的是，没有一个通用的标准 来规定图像模式量化过程和预处理的效果而是根据客观观察决定的。 总之，预处理工作是进行下一步工作关键部分，本章介绍了实验所使用的人脸库以及 所作的预处理工作。 2 1 人脸库描述 目前在世界上真正公开的人脸年龄库少之又少，这在一定程度上严重限制了年龄变化 问题的研究。现有人脸库中的图像大多是在约束条件下拍摄的，根据放宽的要求不同，就 形成了人脸表情库、姿态库、光照库等，但是由于年龄变化需要在一段时间内对待测对象 进行跟踪采集，难度很大。此外，因特网上虽然图片很多，但是缺乏准确的年龄信息并且 涉及到肖像权的问题，也不是很可取。 我通过电子邮件与塞浦路斯大学l a n i t i s 教授取得了联系，我们的研究得到了他的支持 与帮助，他所提供的f g n e t 年龄人脸库收集了8 2 个对象不同年龄的人脸图像( 主要是 来自旧照片的扫描，效果不是很好) 以及详细的年龄信息，免费供科学研究之用。本文选 取了该库中的部分图片，作为本文实验的基本数据库。我们取年龄在2 0 7 0 之间的人脸图 像。 南京i i i i j1 1 1 , 大学硕+ i ：研究生学位论文第二章图像预处理 2 2 人脸图像的预处理 2 2 1 人脸图像的旋转 人脸图像会因采集仪器的性能或光照变化等因素而产生不同的显示质量，通常表现为 图像包含不同程度的噪声，不同图像的平均像素值呈现不同的明暗差异，此外，图像还会 有一定程度的旋转及缩放变形。本章主要介绍了本文所用的人脸数据库以及相应的预处理 方法，目的是改善图像的质量，尽量减弱除年龄外的其他因素影响，处理过的图像可直接 作为识别系统的输入图像。 人脸的正面图像会产生一定角度的倾斜，虽然倾斜的角度不大，但是即便是微弱的变 化也会对识别结果产生一定程度的影响，因此我们要校正人脸倾斜的角度，以保证人脸位 置的一致性。 根据人脸的生理学知识，绝大多数人脸满足如下情况，即没有旋转的人脸正面图像上， 两眼是位于同一水平线上的。所以求出两眼与水平线的夹角p ，按这个角度进行反向旋转， 就可以得到矫正后的图片。 图2 1 人脸旋转不意图 设两眼的瞳孔坐标分别为( x 。，y 。) 和( x ：，y 2 ) ，则目的求取公式如下： 秒：s i n 一1 ( 1 三垒三坠一) ( 2 1 ) ( 屯一x i ) 2 + ( y 2 一y j ) 2 设图像中任意点的坐标为( x ，y ) ，旋转后该点的坐标为( x ，y 1 ) ，则： c x y = c s o 。n s 伊8 一c s o i s n 孑) c 工少，r ( 2 2 ， 需要注意的是，数字图像( 灰度图) 是以矩阵形式来存储的，因此，如果不对处理后图 像的存放矩阵进行扩大，则会出现图像部分内容移出画面的情况。 为了避免这种情况，需要进行如下处理：首先计算图像四个顶点旋转后的坐标，其次 i * 京邮i b 大学颅l 研究学位论文 第= 章图像预址理 根据这些坐标的最大蛀小值，确定旋转后图像的高度和宽度，最后对图像矩阵进行扩展 9q a 源幽像 幽2 - 2 旋转前与旋转后的图像 2 2 2 人脸图像的姿态归一化 b 旋转斤的图像 设输入图像三个特征点的位置分别为( x l ，y ) ，( x ：，y 2 ) ，( x ry ，) ，标准正面视图相应三 个特征点为( x ，y ， ，( x ：，y ：1 ( x ，y ， ，所求的仿射变换为 瞪州瓣瓣弧协弘s ， 融北：潲谢 浯。， 2 23 人脸图像几何归一化 几何归一化的思想是将尺寸番不相同的人脸图像调整为统的标准尺寸图像以便于 人脸特征的提取。本文选用了效果较好、速度较快的双线性插值力_ 法。 具体冀法如下： 南京邮l 乜人学硕i ：r o f 究生学位论文第二章图像预处理 三) c x y ，c 口。，d 。， 其中( x ，y ) 是原始图像的像素值，( x ，y ) 是变换后图像的像素值，a ，d 分别为水 平方向和垂直方向的比例因子。 ( 2 ) 尺寸的放大： 在尺寸放大的过程中，会出现一些原始图像中没有的像素点，这需要进行插值运算来 计算出该点的像素值。为了能最好地消除放大时出现的马赛克现象，我们采用双线性插值 的算法，首先将原始图像中矩形顶点的灰度值复制到放大后的图像矩形对应的顶点；然后对 原始图像中所有点的灰度值采用双线性插值算法计算，实现尺寸归一化。假设点( 而，) 和 ( 五，y 1 ) 分别是矩形的两个对角顶点，点 ，y ) 包含在该矩形中，且满足 x ( x o ，x o ) ，y ( y o ，m ) 则所求点的灰度值f i x ，y ) 按如下方法计算： 第一步：f ( x ，y o ) = f ( x o ，y o ) + ( x - x o ) ( x , - x o ) f ( x l ，y o ) - f ( x o ，y o ) 】 ( 2 6 ) 第二步：f ( x ，y i ) = f ( x o ，y i ) + ( x - x o ) ( x t - x o ) f ( x o ，y 1 ) 一厂( ，y i ) 】 ( 2 - 7 ) 第三步：f ( x ，y ) = f ( x ，) + ( y 一) “少l - y o ) f ( x ，y ) - f ( x ，y o ) 】 ( 2 8 ) 尺度归一化中，标准尺寸的选择对后续的图像重建以及特征提取都有很大影响，过大 的尺寸使得计算量急剧增加，而过小的尺寸可能会丢失一些重要的特征信息。仿照国际上 标准的人脸库尺寸，并进一步去除发型的影响，本文选取的尺寸为1 2 8 1 2 8 个像素，实验 表明，该尺寸包含了足够的细节特征信息，能够满足实时性要求。 2 2 4 人脸图像的灰度均衡化 由于在图像采集中光照的改变容易导致图像呈现不同的明暗程度，因此需要对人脸图 像进行灰度均衡化处理。灰度均衡化，其作用是增强人脸图像的整体对比度，并使灰度分 布均匀，以消除光照变化的影响，此外还可以消除不同人种的肤色差异。 其计算步骤如下： ( i ) y u 出原始图像的灰度级，j = o ，1 ，：，l 一1 其中l 是灰度级的个数； ( 2 ) 统计各灰度级的像素数目疗，j = o ，1 ，一1 ； 口o ，i = 飞，y x ，i 、 - = 1缩 的 寸尺、， i ，l 南京i i i i 口1 1 1 大学硕：i ：t e t l 究生学位论文第二章图像颅处理 ( 3 ) 计算原始图像直方图各灰度级的频数乡( 乃) = 鲁，歹= o ，1 ，一l 其中。n 为原始图像 总的像素数目； 七 ( 4 ) 计算累计分布函数c ( 厂) = p f ( j ) ，j = o ，1 ，k ，l - l ； ( 5 ) 应用以下公式计算映射后的输出图像的灰度级岛，i = o ，1 ，p 一1 ，p 为输出图像灰度 级的个数：岛= i n t ( g 。- g 。i 。) c ( ) + i 。+ 0 5 】，其中，i n t 为取整符号； ( 6 ) 统计映射后各灰度级的像素数目吩，i - 0 , 1 ，p - l ； ( 7 ) 计算输出图像直方图以( 蜀) = 鲁，江o ，1 ，p 一1 ； ( 8 ) 用z 和g i ，的映射关系修改原始图像的灰度级，从而获得直方图近似为均匀分布的 输出图像。 2 2 5 人脸图像的相似度，二直化计算 我们定义r = r ( r + g + b ) ，b = b ( r + g + b ) ，这样把三维的r g b 降为二维。而在这个二维平 面上，肤色的区域相对很集中。 那么我们可以采用训练的方法来计算得到一个这样的分布中心，然后根据所考察的像 素离该中心的远近来得到一个和肤色的相似度，得到一个原图的相似度分布图，再按照一 定的规则对该分布图二值化，以最终确定肤色区域。训练的时候，需要确定的是均值m 和 方差c 。如下面的公式： _ 7 m = e ( z ) ，c = e ( ( x - m ) ( x 一m ) 7 ) ，x = j r ，6 】7 ( 2 9 ) 程序中提供了训练参数的功能，可以用训练的参数取代默认的参数。计算相似度时， 采用公式： p ( r ，b ) = e x p - 0 5 ( x - m ) 7 c ( x m ) 】 ( 2 - 1 0 ) 2 3 本章小结 本章详细介绍如何采用了相应的预处理算法来去除光照、旋转、姿态、大小等因素的 影响。其中灰度均衡的目的是将所有灰度图像规格化为统一的灰度均值和灰度方差，使得 1 2 堕室坚! 垒叁堂堡：! ：竺壅尘兰篁堡兰蔓三至鬯堡堡竺些 人脸识别对光照变化和人脸肤色差异有较强的鲁棒性，而尺度归一化是将大小不一的人脸 图像归整到统一的尺寸，以方便人脸特征的提取及识别，旋转变化和姿态则纠正图像的在 水平与深度方向上的细微变形。 1 3 南京邮i u 大学硕i ：t i j f 究生学位论文 第三章人脸的年龄特征提取 第三章人脸的年龄特征提取 3 1 人脸年龄问题的描述 随着时光的流逝，人会逐渐衰老，年龄的变化是引起人脸外观变化的主要因素，虽然 人类年龄是一个与时间相关的客观概念，但是即使相同年龄的人所呈现的外貌特征也会因 个人生存环境、生活习惯等各种因素的影响存在很大的差异，因此我们很难从一幅人脸图 像判断出一个人的准确年龄。对于计算机而言，辨别年龄则更是一个困难的问题。而另一 方面，对于两幅人脸图像，我们却可以容易地辨认出谁更年轻或谁更年老，而且可以描述 出人类年轻与衰老时的基本特征，例如皮肤的光滑程度，皱纹与斑点的多少，骨骼的形状， 肌肉的松弛程度等。 3 2 特征提取 3 2 1 一些特征提取的方法的介绍 主成分分析( p c a ) 方法是人脸识别技术中常用的一种特征提取方法。它的主要思想 是利用k l 变换抽取人脸的主要成分，构成特征脸空间。 独立分量分析( i c a ) 也是一种人脸特征提取方法，它在应用中以非高斯分布为前提， 更符合自然数据的分布，因此适合作为人脸的特征提取方法，但是i c a 运算量大，不易收 敛。 g a b o r 小波在频率和方向上对图像的表示特性与人类的视觉系统的相关特性非常相 似。研究发现，g a b o r 小波适宜于图像纹理的表示和判别，因此g a b o r 也通常作为人脸特 征提取的一种方法。 但是以上三种方法对人脸特征提取的时候均无法完全利用人脸的所有信息，做普通的 人脸识别效果可能不错，但是用在年龄识别的时候效果可能会不理想，人脸的年龄问题是 一个很复杂的问题，随着人脸的逐渐老化，人脸的形状和纹理都会发生变化，因此我们必 须寻求更有效的方法来提取人脸的年龄特征，本文将采用模型匹配法对人脸的形状和纹理 两种特征分别提取，目前一些常用的人脸建模方法有：a c m ( a c t i v ec o n t o u r m o d e l ) ，a s m ( a c t i v es h a p em o d e l ) ，a a m ( a c t i v ea p p e a r a n c em o d e l ) 等，本文主要利用a s m 和 a a m 这两种建模方法完成人脸的建模。 1 4 南京邮i 乜人学硕：l 二研究生学位论文第三章人脸的年龄特征提取 3 2 2a s m ，a a m 单独建模的弊端 a s m ( a c t i v es h a p em o d e l ) 2 2 , 2 3 , 31 】最初是由c o o t e s 等人提出的，它在思想上类似于 主动轮廓模型，即定义一个能量函数，通过调整模型参数使能量函数最小化。a s m 首先对 一组标有特征点的图像的形状和局部灰度建模，然后在搜索的过程中不断调节形状和姿态 参数从而使形状达到最优化，a s m 的优点是它能够充分利用局部纹理特征，能根据训练数 据对于参数的调节加以限制，从而将模型的改变限制在一个合理的范围内，但是它的缺点 是无法利用所有的纹理特征。 r ， 1 ， 一1 a a m ( a c t i v e a p p e a r a n c em o d e l ) m b 纠。模型是图像对象的动态表观模型，表观是形状和 纹理的组合，表观模型是在形状模型的基础上结合对象的纹理而建立的，a a m 模型实例 就是将a a m 的表观模型通过仿射变换的形式映射到对应的形状实例中去，得到描述当前 对象的当前模型。但是a a m 在做形状特征定位的时候不够精确。 3 3a s m a a m 形状纹理联合定位 针对a a m 原有的形状定位算法不够精确，a s m 无法利用所有的纹理信息的问题，本 文提出了一种a s m a a m 形状纹理联合定位算法，该方法既保留了原有的a s m 充分利用 局部纹理特征，并能精确进行形状定位的优点，又保留了a a m 能够利用人脸所有纹理信 息的特点，同时还克服了a a m 做形状特征定位的时候不够精确的缺点，本文将利用a s m 建立形状模型，在建立了形状模型的基础上再利用a a m 建立纹理模型。 3 3 1a s m 形状模型的建立 主动形状模型是一种基于统计模型的图像搜索方法，通过对具有一定代表性的同一类 目标物体图像进行统计来进行建模。主动形状模型方法的主要特点在于应用统计的方法来 对某一类目标图像建立模型，通过在模型中引入待提取目标物体的先验知识，限制特征搜 索结果在模型可能的变化范围内。这一特点使它适用于对同一类物体( 例如人脸图像) 形 状特征的搜索。近年来，针对不同的应用环境及范围对主动形状模型方法提出了许多改进。 利用a s m 模型进行人脸模型匹配的工作分为两步，第一步是根据训练集中的数据训练模型， 第二步是利用训练出的模型指导对图像的搜索以获取目标物体形状信息。第一步要建立两 个模型：( 1 ) 反映目标物体图像二维形状变化规律的形状统计模型，( 2 ) 反映特征点局部区域的 塑室坚塑奎堂堡：生型! 窒生兰篁笙塞蔓三童丝塑竺鳖堑堑堡垒 灰度变化规律的局部纹理模型。第二步称为目标搜索过程，利用先验知识进行模型初始定 位，然后利用局部纹理模型进行特征点搜索，并利用形状模型对形状进行合理地按近似调 整。 a s m 是一种基于形状模型的特征匹配方法，它既可以灵活地改变模型的形状以适应目 标形状不确定的特性，又将形状的变化控制在模型允许的范围内，从而保证模型改变时不 会受各种因素影响而出现不合理的形状。本文具体把它分为以下3 个步骤： ( 1 ) 图像特征点标注 为了获得图像的形状向量和轮廓点特征信息的模型建立需要手工标定训练图像。选择 n 幅人脸图像，每一幅图像手工标定n ( 本文用的是n = 6 8 ) 个轮廓点作为训练数据。轮廓 点一般标定在能够代表目标轮廓的地方，本文选择的轮廓点标记在脸的外部轮廓和器官的 边缘。设标定点为： s f = ( x ，l ，y 订，x f 2 ，y ，2 ，x y 胁) 7f = 1 ，2 其中( x v ，均) 代表第i 幅图像的第j 个轮廓点的坐标；n 代表每幅图像标记的点数；n 代表 训练图像数目；每一幅图像的s 代表一个形状向量。获取每一个标定点( 轮廓点) 附近的 特征信息，这些特征是进行匹配的主要依据。 ( 2 ) 建立模型 边缘标定是在各自不同的样本图像上进行操作。由于各个样本图像拍摄条件、分辨率 的差异，得到形状向量的坐标具有不同的比例尺寸，因此要对样本图像的形状向量归一化， 通过旋转、平移、缩放使得它们在同一坐标系中表示时具有一致性。 各个样本向量之间存在一定的相关性，且样本数量比较大会造成计算量过大，必须进 行简化处理。采用主成份分析( p c a ) 的思想对样本空间进行正交变换，并确定主成份， 经p c a 计算可得到主要变化的参数。 从训练样本集中获得轮廓的模型统计信息：平均形状向量 g - = 寺s ， ( 3 1 ) 鲁 、7 n 个形状向量的协方差阵为： c 2 专i =