融合纹理与形状的人脸加权新特征

方天红; 陈庆虎; 廖海斌; 邱益鸣

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

融合纹理与形状的人脸加权新特征

方天红, 陈庆虎, 廖海斌, 邱益鸣

文章导航 > 武汉大学学报 ● 信息科学版 > 2015 > 40(3): 321-326+340

方天红, 陈庆虎, 廖海斌, 邱益鸣. 融合纹理与形状的人脸加权新特征[J]. 武汉大学学报 ● 信息科学版, 2015, 40(3): 321-326+340.

引用本文:

方天红, 陈庆虎, 廖海斌, 邱益鸣. 融合纹理与形状的人脸加权新特征[J]. 武汉大学学报 ● 信息科学版, 2015, 40(3): 321-326+340.

Fang Tianhong, Chen Qinghu, Liao Haibin, Qiu Yiming. Face Feature Weighted by Fusing Texture and Shape[J]. Geomatics and Information Science of Wuhan University, 2015, 40(3): 321-326+340.

Citation:

Fang Tianhong, Chen Qinghu, Liao Haibin, Qiu Yiming. Face Feature Weighted by Fusing Texture and Shape[J]. Geomatics and Information Science of Wuhan University, 2015, 40(3): 321-326+340.

融合纹理与形状的人脸加权新特征

¹武汉大学电子信息学院湖北武汉 430072;²湖北工程学院物理与电子信息工程学院湖北孝感 432000;³湖北科技学院计算机科学与技术学院湖北咸宁 437100

基金项目: 国家自然科学基金资助项目61271256 郑州市重大科技攻关资助项目072SGZS38042

详细信息

作者简介:
方天红博士生研究方向为模式识别与图像处理

中图分类号: TP751

Face Feature Weighted by Fusing Texture and Shape

¹School of Electronic Information Wuhan University Wuhan 430079 China; ²School of Physics and Electronic-information Engineering Hubei Engineering University Xiaogan 432000 China;³School of Computer Science and Technology,Hubei University of Science and Technology Xianning 437100 China

摘要: 根据人类进行人脸识别的特点,提出一种纹理与几何形状相结合的人脸新特征。新特征提取的第一步是提取脸部5个关键点;然后,根据人脸图像每个像素点到5个关键点距离动态对每个像素进行加权计算。新特征在纹理特征的基础上,融合了人脸关键点和每个纹理点与关键点之间的位置几何距离信息。与传统的单一纹理特征相比,提高了抗干扰性;而且,由于定位了5个关键点,有利于后续的人脸分块识别。在YALE人脸库和XJTU人脸库上采用线性判别方法与稀疏表示人脸识别方法的实验研究表明:新特征与传统的纹理特征相比,识别率提高了5%~10%;新特征加人脸分块方法识别率接近100%。
- 人脸识别 /
- 特征加权 /
- 人脸分块 /
- 线性判别分析 /
- 稀疏表示
Abstract: Textural and structural characteristics are two of the principal features of human faces，both of which have advantages and disadvantages for face recognition. In this paper，we propose a Gaussian weights based new feature combined with texture feature and structure feature approach. In this method，we first use a standard fiducial point detector to locating five face key-points(e. g.，the mid-point of the eye)，and then a new feature will be generated dynamically by weighting the gray value of the pixel according to the distance between the pixel and its relative key-point. The new feature，originated from the texture feature，ties the geometric structural feature of the pixels and the key-point information and delivers better performance than the original texture feature for pose variations.Meanwhile，the five key-points are beneficial to part-based face recognition. Experimental results show that the new feature can improve recognition rates by about 5%than the original texture feature，and improved the part-based method by combining the new feature and the face blocking;achieving recogni-tion rates close to 100%for two different available databases.
- face recognition /
- weighted feature /
- face blocking /
- LDA /
- sparse representation

[1]	廖海斌, 王电化, 陈友斌. 多层稀疏表达的人脸年龄估计 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1233-1240. doi: 10.13203/j.whugis20190126
[2]	陈一祥, 秦昆, 胡忠文, 曾诚. 一种高分影像建筑区分块表示与合并提取方法 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 908-916. doi: 10.13203/j.whugis20170293
[3]	鹿璇, 汪鼎文, 石文轩. 利用在线字典学习实现图像超分辨率重建的算法 . 武汉大学学报 ● 信息科学版, 2018, 43(5): 719-725. doi: 10.13203/j.whugis20150753
[4]	李清泉, 王欢, 邹勤. 一种基于稀疏表示模型的壁画修复算法 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1847-1853. doi: 10.13203/j.whugis20180217
[5]	曹建农. 高分影像信息提取的特征结构化多尺度分析建模方法研究 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1943-1953. doi: 10.13203/j.whugis20180253
[6]	邱益鸣, 廖海斌, 陈庆虎. 基于鉴别字典学习的遮挡人脸姿态识别 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 275-281, 288. doi: 10.13203/j.whugis20150298
[7]	徐健, 常志国, 张小丹. 采用交替K-奇异值分解字典训练的图像超分辨率算法 . 武汉大学学报 ● 信息科学版, 2017, 42(8): 1137-1143. doi: 10.13203/j.whugis20150095
[8]	廖海斌, 陈友斌, 陈庆虎. 基于非局部相似字典学习的人脸超分辨率与识别 . 武汉大学学报 ● 信息科学版, 2016, 41(10): 1414-1420. doi: 10.13203/j.whugis20140498
[9]	方天红, 陈庆虎, 鄢煜尘, 周前进. 基于Gabor特征和稀疏表示的激光打印文档鉴别 . 武汉大学学报 ● 信息科学版, 2016, 41(11): 1550-1555. doi: 10.13203/j.whugis20140896
[10]	刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
[11]	熊维, 张乐飞, 杜博. 一种基于多维正交判别子空间投影的人脸识别方法 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 583-587. doi: 10.13203/j.whugis20130442
[12]	黎曦, 郑宏, 刘操. 利用HSI色彩空间的PCNN人脸识别方法 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1499-1503.
[13]	兰诚栋, 陈亮, 卢涛. 利用位置权重稀疏表示的人脸超分辨率算法 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 27-30.
[14]	袁理, 陈庆虎, 鄢煜尘, 段柳云. 两因子模型在多姿态人脸识别中的应用 . 武汉大学学报 ● 信息科学版, 2012, 37(5): 546-549.
[15]	陈振学, 常发亮, 刘春生, 徐建光. 基于Adaboost算法和人脸特征三角形的姿态参数估计 . 武汉大学学报 ● 信息科学版, 2011, 36(10): 1164-1167.
[16]	廖海斌, 陈庆虎, 王宏勇. 融合局部形变模型的鲁棒性人脸识别 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 877-881.
[17]	李旭东. 黑白人脸图像的彩色复原方法 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 237-239.
[18]	唐亮, 熊蓉, 刘勇. 主元分析变换空间上的鉴别共同矢量人脸识别方法 . 武汉大学学报 ● 信息科学版, 2009, 34(4): 404-408.
[19]	晖, 卢健, 孙小芳. 人脸识别中嵌入式隐Markov模型结构的优化算法研究 . 武汉大学学报 ● 信息科学版, 2006, 31(7): 573-575.
[20]	卢健, 王晖. SVD和DCT提取特征向量的方法在人脸识别中的比较 . 武汉大学学报 ● 信息科学版, 2005, 30(2): 118-121.

点击查看大图

计量

文章访问数: 959
HTML全文浏览量: 39
PDF下载量: 712
被引次数: 0

融合纹理与形状的人脸加权新特征

¹武汉大学电子信息学院湖北武汉 430072;²湖北工程学院物理与电子信息工程学院湖北孝感 432000;³湖北科技学院计算机科学与技术学院湖北咸宁 437100

基金项目: 国家自然科学基金资助项目61271256 郑州市重大科技攻关资助项目072SGZS38042

作者简介:
方天红博士生研究方向为模式识别与图像处理

收稿日期: 2013-10-17
刊出日期: 2015-03-05

中图分类号: TP751

关键词:

摘要: 根据人类进行人脸识别的特点,提出一种纹理与几何形状相结合的人脸新特征。新特征提取的第一步是提取脸部5个关键点;然后,根据人脸图像每个像素点到5个关键点距离动态对每个像素进行加权计算。新特征在纹理特征的基础上,融合了人脸关键点和每个纹理点与关键点之间的位置几何距离信息。与传统的单一纹理特征相比,提高了抗干扰性;而且,由于定位了5个关键点,有利于后续的人脸分块识别。在YALE人脸库和XJTU人脸库上采用线性判别方法与稀疏表示人脸识别方法的实验研究表明:新特征与传统的纹理特征相比,识别率提高了5%~10%;新特征加人脸分块方法识别率接近100%。

English Abstract

Face Feature Weighted by Fusing Texture and Shape

¹School of Electronic Information Wuhan University Wuhan 430079 China; ²School of Physics and Electronic-information Engineering Hubei Engineering University Xiaogan 432000 China;³School of Computer Science and Technology,Hubei University of Science and Technology Xianning 437100 China

Received Date: 2013-10-17
Publish Date: 2015-03-05

Keywords:

Abstract: Textural and structural characteristics are two of the principal features of human faces，both of which have advantages and disadvantages for face recognition. In this paper，we propose a Gaussian weights based new feature combined with texture feature and structure feature approach. In this method，we first use a standard fiducial point detector to locating five face key-points(e. g.，the mid-point of the eye)，and then a new feature will be generated dynamically by weighting the gray value of the pixel according to the distance between the pixel and its relative key-point. The new feature，originated from the texture feature，ties the geometric structural feature of the pixels and the key-point information and delivers better performance than the original texture feature for pose variations.Meanwhile，the five key-points are beneficial to part-based face recognition. Experimental results show that the new feature can improve recognition rates by about 5%than the original texture feature，and improved the part-based method by combining the new feature and the face blocking;achieving recogni-tion rates close to 100%for two different available databases.

方天红, 陈庆虎, 廖海斌, 邱益鸣. 融合纹理与形状的人脸加权新特征[J]. 武汉大学学报 ● 信息科学版, 2015, 40(3): 321-326+340.

引用本文:

方天红, 陈庆虎, 廖海斌, 邱益鸣. 融合纹理与形状的人脸加权新特征[J]. 武汉大学学报 ● 信息科学版, 2015, 40(3): 321-326+340.

Fang Tianhong, Chen Qinghu, Liao Haibin, Qiu Yiming. Face Feature Weighted by Fusing Texture and Shape[J]. Geomatics and Information Science of Wuhan University, 2015, 40(3): 321-326+340.

Citation:

Fang Tianhong, Chen Qinghu, Liao Haibin, Qiu Yiming. Face Feature Weighted by Fusing Texture and Shape[J]. Geomatics and Information Science of Wuhan University, 2015, 40(3): 321-326+340.