金雨坤

摘要：本文采用了一种基于主动外观模型（AAM）与尺度不变特征变换（SIFT）相结合的特征提取方法，采用AAM方法提取初级特征点，然后通过SIFT算法得到二次特征点，最后采用基于蛙跳混合算法的特征匹配分析同一个人的不同年龄段的面貌特征。关键词：基于主动外观模型（AAM）；尺度不变特征变换（SIFT）；混合蛙跳算法（SIFA）1 主动外观模型的建立该方法不仅包含人脸的形状信息，而且包含重要的脸部纹理信息，并找出脸部形状与纹理信息之间的联系。分析过程如下：在给定集合下，计算平均形状S。对纹理进行数学分析，从而得到统计模型：g=g+Pgbg（1）b=wsbsbg0（2）b=b+Qc（3）调节参数得到不同的形状及纹理，合成一幅模型人脸图像：Im=Twarp1sm，gm；θ（4）其中，将横型纹理gm变形sm后进行相似变换，得到模型图Im。2 尺度不变特征变换（SIFT）构建尺度空间模拟图像数据的多尺度特征：利用高斯卷积核实现尺度变换。将一幅二维图像的尺度空间定义为：Lx，y，kσ=G（x，y，σ）*Ix，y（5）Gx，y，σ=12πσ2ex2+y2/2σ2（6）其中，Gx，y，σ是尺度可变高斯函数，σ是尺度坐标。利用DOG函数构建图像卷积。如果相同位置的像素没有变化，认为没有特征。定位极值点，对尺度空间中的极值点进行检测。每一个采样点需要与周围的邻域点比较，最终得到极值点。3 混合蛙跳算法拟合二次函数对极值点进行筛选，去除稳定度低的极值点和边缘响应点。Dx，y，σ=D+DTxx+12xT2Dx2x（7）得到极值点的幅值和方向，为确保旋转不变性，将以关键点为中心的空间分为四个子空间，分别计算梯度方向的累加值，形成一个SIFT特征，如图1所示。由图2可知，不同人特征的位置、方向、尺度均不一样，但多聚集在面部的T区，说明SIFT能够达到本文对局部特征的要求。通过采集图像特征点得到相似度，继而利用置信度加权的方法来表现时间段变化。通过对相似度进行均值运算，计算特征点权值为：Tr=f+（1f）×ia（8）按时间顺序，以相同时间间隔识别同一个人不同年龄段，如图3所示：参考文献：[1]杨福嘉，郑丽颖.基于SIFT的新特征提取匹配算法[J/OL].应用科技：15[20181014].http：//kns.cnki.net/kcms/detail/23.1191.U.20181007.2343.002.html.[2]鄒国良，张石明，陈长吉，王振华.基于改进最小距离法的图像匹配并行算法设计[J].计算机工程，2018，44（09）：218223.[3]唐冬春.基于主动表现模型的人脸识别算法研究[J].中国战略新兴产业，2017（44）：226.