基于本征空間的多姿態人臉識別方法
加入技術交流群
2 實 驗
這里的訓練原始圖像取自ORL人臉數據庫。從建立的ORL人臉數據庫中，按類別分別選擇編號為R，L，U，D，F(分別對應右、左、上、下、正面等五種姿態)的人臉圖像各一幅進行訓練，共產生5個本征臉空間Ω1，Ω2，Ω3，Ω4，Ω5。
判定待識別人臉圖像的姿態，根據判定結果選擇投影的本征臉空間。如果是從文獻已建立的ORL人臉數據庫中選擇測試圖像，則直接讀取其姿態編號即可，不需要再次進行姿態判定。
把待識別圖像向訓練過程產生的特征空間投影，根據投影距離判斷是否包含人臉，如無人臉，則退出識別過程，操作結束。
對待識別的人臉圖像進行預處理，并向訓練過程產生的特征空間投影，得到的權重向量如圖1所示。本文引用地址：http://www.104case.com/article/152529.htm
投影結果利用歐式距離進行分類，如圖2所示。由圖2可以看出，靠近紅線最近的點是ω3類(圖中雙圈的位置)。因此，認為待識別人臉圖像屬于第3個人。
對無法歸入當前任一類別的人臉圖像，保存到人臉庫，增加一個新的類別，重新進行訓練樣本的選擇，獲取新的訓練結果，以備下次識別使用。
實驗一：從這里建立的ORL人臉圖像庫中隨機選擇40人(每類1人)的圖像進行訓練，得到本征臉空間。
實驗二：從這里建立的0RL人臉圖像庫中按類別分別選擇編號為R，L，U，D，F的人臉圖像各一幅進行訓練，得到5個本征臉空間。任意選擇其他人臉圖像進行識別。
兩個實驗均采用歐式距離分類器進行分類。
實驗結果如表1所示。
從表1可以看出，改進后的人臉識別實驗，識別率有了明顯的提高，說明在樣本姿態多樣化的情況下，這種按姿態分別進行訓練的方法是切實有效的。
3 結 語
實驗中發現該方法也存在一個需要進一步改進的問題，即如果測試樣本均為正面人臉圖像，而待識別人臉圖像出現姿態變化，則識別效果很不理想。如何根據正面人臉圖像構建相應樣本的多姿態圖像是下一步的工作。
評論