陈利军 谭海 徐华健

摘要：提出了一种基于人脸特征点的人脸相似性评估模型，该模型采用自然场景下人脸姿态估计模型得出的人脸特征点，通过欧式距离计算方式对特征点集的拓扑结构进行信息展开，得出人脸特征点的距离对称矩阵。接着在该矩阵下构建特征化规则，将人脸图像转化为特征向量。最后通过特征相似方法得出人脸的相似度。实验表明，该模型能够对人脸相似性评估取得较好的效果。

关键词：人脸识别；姿态估计；面部特征；人脸检测

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）03-0179-02

Abstract：In this paper， we present a model of face similarity assessment ， which are Based on facial feature points ， this model uses the facial feature points model estimates derived from the natural scene face posture， topology of the feature point set of information by Euclidean distance calculation， the distance matrix symmetry of facial feature points. Then the feature rule is constructed under the matrix， and the face image is transformed into a feature vector. Finally， the similarity of the face is obtained by the feature similarity method. The experimental results show that the model can achieve good results for face similarity evaluation.

Key words： face recognition； pose estimation； facial features； face detection

人脸识别目前人类身份识别相关应用中最好的生物识别技术之一，与其他生物识别技术不同，人脸采集过程较为特殊，由于环境光照、人脸姿势、面部表情等因素的影响，使得同一个人的人脸在不同的环境中有较大的变化[1]。以神经网络为代表的人工智能算法，在人脸识别技术应用中得到很大的提升。文献[2]提出的基于深度卷积神经网络方法用于人脸识别，其准确率达到了90.99%，文献[3]提出的LSTM深度自编码网络人脸识别准确率达到了94.2%。文献[4]通过构建三层约束性Loss层改进的卷积神经网络比传统的深度卷积神经网络人脸识别的错误率降低了2%。但神经网络的结构复杂，容易出现过拟合，且往往依赖大量的迭代计算才能取得较好的效果。因而本文提取了一种基于特征点的低复杂度人脸相似性评估模型，该模型可应用在人脸识别和人脸图像检索等领域中。……