1、低分辨率人脸图像的识别性能 赵冬梅 保山学院 摘 要： 在人脸识别的研究中, 研究者通常通过提高图像的分辨率来提高人脸识别率, 但在实践中, 由于受到多种因素的制约, 这种从研究角度出发的方法在实际应用中有局限性。笔者从情感计算的角度出发, 提出了基于 PAD 理论的人脸情感识别模型, 这种三维情感模型不仅能识别低分辨率图像, 还能识别出非典型的情感模块, 在提高人脸识别的识别率和速度的同时, 使机器识别更加人性化和智能化。关键词： 低分辨率; 人脸识别; 情感计算; 作者简介：赵冬梅 (1981-) , 女, 云南保山人, 硕士研究生, 讲师。研究方向:多媒体技术、计算机图形图像处理技术、多
2、媒体后期处理。Analysis on the Recognition Performance of Low Resolution Face ImageZhao Dongmei Baoshan University; Abstract： In the study of face recognition, the researcher usually improves the recognition rate of the image by improving the resolution of the image. However, in practice, due to various fac
3、tors, this approach from the research point of view has limitations in practical application. Based on the emotional calculation, this author proposes a human face emotion recognition model based on PAD theory. This three-dimensional emotion model can not only recognize low-resolution images, but al
4、so recognize the atypical emotional modules. It improves the recognition rate and speed of face recognition, at the same time makes the machine recognition more humanized and intelligent.Keyword： low resolution; face recognition; emotion calculation; 随着社会经济的发展和技术的进步, 人脸识别技术也日趋成熟, 并在人类的日常生活中得到越来越广泛的应
5、用。人脸识别 (Human Face Recognition) 是一种通过对人脸视觉特征信息进行分析比较从而鉴别身份的计算机技术, 它属于生物特征识别的范畴, 可以对人脸明暗侦测、追踪侦测。1 人脸识别和情感计算1.1 人脸识别人脸识别技术包含人脸检测、人脸跟踪和人脸对比三个部分, 在识别的过程中, 通过建立人脸的面相档案、用摄像机捕捉当前出入人员的人体面相、将当前面相的面纹编码与数据库中存档进行对比三个步骤, 完成整个人脸识别过程。人脸识别的面纹编码可以抵抗光线、皮肤色调、发型、眼睛、面部表情等人体面相的变化, 能精确地从数百万人中辨认出某个人来, 可靠性高, 具有自然性和不被被测个体察觉的
6、特点和优势。当前的人脸识别主要被用于身份识别, 具体应用在门禁系统、摄像监视系统、信用卡网络支付、身份辨识、智能家电、信息安全等多个方面, 另外, 还在数码相机的人脸自动对焦、图片对比等娱乐方面得到应用。人脸识别常用的方法有 PCA 主成分分析、LDA 线性鉴别分析和 Fisherface 人脸识别三种方法。1.2 情感计算情感计算是通过赋予计算机像人一样的观察、理解和生成各种情感特征的能力的方法, 使计算机能够具有更高、更全面的智能, 构建起和谐的人机交流环境, 最终促使计算机能够像人一样进行自然、生动的交互。它是一个高度综合化的研究和技术领域, 既依赖于计算机技术的发展, 也很大程度上依赖
7、心理科学和认知科学对人的智能和情感的研究。计算机情感化的实现不仅能增强使用设备的安全性, 还能使使机器更加人性化, 让使用者获得更加高效和亲切的感觉。1.3 低分辨率的人脸图像识别人脸的识别率与图像的分辨率有着较为密切的关系, 在人脸识别的研究中通常通过提高图像分辨率来提高人脸识别率。但在实践中, 由于多种因素的影响, 图像分辨率一般无法达到研究中的高分辨率, 且图像分辨率太高会影响到识别的速度。而在人类视觉中, 根据分类任务的不同, 对图像的分辨率要求也不同, 如在一些集体的合照中, 虽然人脸图像的分辨率不是很高, 但仍旧能够根据头脑中对某个人相貌的先验知识而识别出某个人, 这就关系到了情感
8、识别。在人脸的情感识别中, 通过建立起人脸情感识别模型能够较好地实现低分辨率的人脸识别, 在保证较高的人脸识别率的条件下提高人脸识别速度。2 人脸情感识别性能分析2.1 基本情感模型在研究人脸情感识别方面, 国内外通常是基于基本情感模型进行研究, 这一模型是对因素情感理论的延伸, 从六类基本情感提出之后, 人脸部情感的研究便基本上建立在基本情感模型上, 其中采用 LBP (Local Binary Patterns) 特征、基于 AAM (Active Appearance Models) 进行的人脸情感识别及使用 Gabor 特征与 Adaboost+SVM (Support Vector
9、Mechine) 分类器的人脸情感识别都是基于视觉和模式识别的方法建立起来的, 且在表情检测中有着较为广泛的应用, 尤其是使用 Gabor 特征与 Adaboost+SVM 分类器的人脸情感识别方法在特定的数据库中测试基本表情, 人脸识别率可以达到 93%。基于基本情感模型建立起的人脸情感识别系统具有建模简单的优点, 且这一模型还具有代表性, 易于检测表情。但由于是建立在六大基本情感的基础上, 对于非六类情感的其他情感则有一定的识别难度, 也不能很好地识别混合情感, 而众所周知人类的情感是复杂的, 面部表情也随着情感的变化有着较为复杂的表现, 这就使得基本情感模型在人脸面部识别中有着一定的局限
10、性。2.2 基于 PAD 理论的非典型情感识别PAD (Pleasure Arousal Dominance) 三维情感模型是 1974 年由 Mehrabian 和Russell 提出的, 这一模型中的 P (Pleasure-displeasure) 、A (Arousal-nonarousal) 、D (Dominance-submissiveness) 分别代表了愉悦度、激活度和优势度三个维度, 利用这三个维度能够解释其他 42 种情感量表中绝大多数的变异, 不仅能描述情感的主观体验, 还与情感的外部表现、生理唤醒都有着较好的映射关系, 且能区分二维情感模型无法区分的一些情感, 如愤怒
11、和恐惧, 在人脸情感识别中具有十分显见的优势。基于 PAD 理论并根据 Mehrabian 提出的三维情感理论, 可以建立 EBM (Emotional Block Model) 模型, 尝试识别低分辨率的非典型情感。2.2.1 EBM 建模为了更好地提高低分辨率图像的人脸识别率, 要求建立的基于 PAD 理论的 EBM模型要有一个重要特色, 即它能够识别非典型情感。在这一要求下, 建立 EBM 模型时, 可以使用高斯模型去匹配 PAD 数据库, 假定每一种情感都有一定的范围, 且在 PAD 的空间映射是一个块状的子空间, 每一个子空间都服从高斯分布, 子空间的中心为情感类别, 情感强度则表达
12、为子空间的半径。2.2.2 EBM 模型的人脸情感识别在人脸情感识别中, 为了更好地研究 EBM 模型在非典型性情感识别中的优势, 在试验时, 选用由典型情感衍生出的六种非典型情感进行对比分析和研究。而由于不同的情感块的会聚性不同, 各个情感块定义的大小也各不相同, 在研究中, 重新划分六种情感块, 选择 5 个受试者分别对这六种非典型情感块的情感进行人眼区分, 从数据库中选择每类若干张特定数据库中的人脸图片, 得出人眼识别的平均正确率分别为, 愤怒的 95%、诱惑力的 90%、支配的 67.7%、顺从的 72.3%、放松的 90.1%、希望的 73.3%, 由此可以看出, 在人眼区分时, 对
13、于会聚性好的情感块, 其识别率更高。2.3 EBM 模型与基本情感模型对比分析基于 PAD 理论建立的 EBM 模型能够表达绝大多数的情感, 除了能够识别和检测非典型性情感外, 在识别典型性情感时, 通过对四种代表性的情感块高兴、恐惧、生气、惊讶进行试验, 并用同样的数据采集和同样的分类器测试基本情感模型, 对比试验的结果, EBM 模型对恐惧、生气、惊讶、高兴的识别率分别为 90.8%、87.3%、85.1%、90.6%, 而基本情感模型的识别率分别为90.3%、89.1%、85.5%、85.7%, 由此证明了 EBM 模型在典型性的情感识别中同样具有较好的性能。3 结语在人脸识别中, 通过研究者们的试验, 使用 PCA 和 Fisherface 方法, 降低图像的分辨率, 对识别率的影响不大, 因而能够实现低分辨率的人脸识别。而利用情感计算, 基于 PAD 模型提出的人脸情感识别模型, 使得非典型情感的识别有了实现的可能。但理论尚还处于试验的阶段, 需要研究者们对其进行验证, 并在实践中不断提高和改善人脸情感识别技术, 以将这一技术应用在更多的领域, 促进社会的持续发展和技术的不断进步。参考文献1周毅.低分辨率人脸图像识别关键技术研究D.成都:电子科技大学, 2011. 2李玉花, 齐春.利用位置字典对的人脸图像超分辨率方法J.西安交通大学学报, 2012 (6) .
