魏陆奇, 廉东本

1(中国科学院大学,北京 100049)

2(中国科学院 沈阳计算技术研究所,沈阳 110168)

1 引言

人脸识别是指通过分析比较人脸视觉特征信息进行身份鉴别的计算机技术. 它是一种重要的生物特征识别技术,具有安全、交互自然等特点,吸引了学术界与工业界广泛的关注. 目前人脸识别的主要算法大致可以分为两类： 基于几何模型的方法和基于统计模型的方法. 本文讨论的MSF-VQ方法是基于统计模型的方法之一.

基于统计模型的方法中最关键的步骤是提取人脸中比较具有个体差异性的特征. 向量量化(Vector Quantization,VQ)直方图被验证是一种有效的人脸特征[1],但是向量量化直方图存在一个明显的缺点是无法反映人脸图像中的空间位置信息. MSF-VQ特征通过马尔科夫稳态特征(Markov stationary feature,MSF)对VQ方法进行了改进[2],使得提取的特征中能够反映人脸图像中的空间位置信息并有效地提高了人脸识别准确率. 但是MSF-VQ特征仍然存在一些不足之处,比如无法很好的反映人脸的局部特征,码书确定不够合理,反映的图像空间位置信息有限等. 针对局部特征反映不足的缺点,SR-MSF-VQ方法对其进行了改进[3]. 而本文提出的方法则主要对其码书不合理、空间位置信息不足的缺点进行了改进.

本文的主要内容安排如下： 第2节对MSF-VQ特征提取方法进行介绍; 第3节介绍提出的对MSFVQ特征提取的改进方法; 第4节通过实验对改进前和改进后的方法进行对比; 第5节得出结论.

2 MSF-VQ特征提取方法

2.1 向量量化直方图

向……