相貌测试

脸型识别在以后应用将越来越广

近年来,在模式识别和计算机视觉等领域中,人脸识别已经成为重要的研究课题。人脸识别即通过计算机提取待处理人脸图像的特征,在库中找到对应的身份信息,从而实现人脸与身份的匹配。人脸识别技术在安全领域中扮演着非常重要的角色,而且该技术还具有巨大的应用前景。

香港中文大学汤晓鸥教授领导的计算机视觉研究小组宣布他们开发了一个名为DeepID 系列的深度学习模型,在 LFW (labeled faces in the wild)数据库中得了 99.45%的识别率,超出了人类用肉眼达到的 97.52%的识别率,这一成果极大地提升了人脸识别技术的可信度,同时也将 Facebook 的DeepFace人脸识别的准确率提升了近2个百分点。脸型分类对于人脸识别的速度与准确率起着重要作用。虽然DeepID 系列取得了如此卓越的成果,但由于该模型依然采用局部细节特征及整体特征融合判别形式,与人类对人物识别的认知方式(外形-轮廓-细节)和基于外形再进行细节判断的相似性判别方式存在不一致性,因此,本文从局部特征出发,以人类的认知方式探索人脸轮廓分类的方法。

传统的人脸轮廓分类算法过度依赖脸型轮廓的曲线特征,而忽略脸型周围的纹理特征,在提取脸型轮廓时,对图片质量要求过高,极易产生误差,很难构建准确的人脸轮廓曲线。为了克服特征点定位不准确的问题,充分利用图片原始信息,保证人脸轮廓特征的准确率,提出采用圆形邻域局部特征表达(round local feature expression,RLFE)的形式描述人脸轮廓特征。


相关文章

测脸型网版权所有@2022
鲁ICP备19048066号-5