第7卷第3期 智能系统学报 Vol.7 No.3 2012年6月 CAAI Transactions on Intelligent Systems Jun.2012 D010.3969/j.issn.1673-4785.201112003 网路出版t地址：hp:/w.cnki.net/kcms/detail/23.1538.TP.20120527.0855.002.html 使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 杜吉祥，翟传敏，叶永青 (华侨大学计算机科学与技术学院，福建厦门361021) 摘要：人脸识别技术中除光线、姿态、表情因素外，由于年龄变化而导致的人脸形状和咬理上的变化会极大程度地 影响人脸识别系统性能对此，提出了一种使用稀疏非负矩阵分解算法来实现人脸老化模拟，然后将此方法应用于 具有年龄跨度的人脸识别上，通过模拟虚拟样本来增强识别效果实验结果表明，年龄跨度对人脸识别的确有较大 的影响：当系数矩阵保持稀疏时，非负矩阵分解算法具有更强的特征提取能力：经过老化模拟增加虚拟样本后，其纹 理老化效果明显地提高了跨年龄段的人脸识别的性能 关键词：人脸识别：跨年龄人脸识别：非负矩阵分解算法：稀疏约束：人脸老化模拟：虚拟样本 中图盼类号：~TP391文献标志码：1A文章编号：·1673-4785(2012)03-0271-07 An age-span face recognition method based on an NMF algorithm with sparseness constraints DU Jixiang ZHAI Chuanmin,YE Yongqing (Department of Computer Science and Technology,Huaqiao University,Xiamen 361021,China) AbstractFor face recognition technology,apart from lighting,gesture,and expression factors,variations in shape and texture of human faces due to aging factors also significantly affect the perfomance of face recognition systems. Using a sparse-constrained non-negative matrix factorization(NMF))algorithm,a facial aging simulation method based on an improved prototype was first proposed and then applied to age-span face recognition to add virtual sam- ples and heighten the recognition rate.Experimental results show that the age span indeed has a great effect on face recognition;the NMF algorithm has stronger feature extraction ability when the coefficient matrix is sparsely con- strained.Furthermore,the recognition ratio is apparently improved after adding additional virtual samples by aging simulation of face texure features Keywordg face recognition;age-span face recognition;non-negative matrix factorization algorithm;sparseness constraints;facial aging simulation;virtual samples 人脸识别率通常会受到姿态、光照、表情以及年 2005年，有关跨年龄段的人脸识别的相关研究表 龄等因素的限制”.因此，目前人脸识别的主要工 明”：，1对人脸老化带来的形状和纹理上的变化的 作就是如何消除这些因素给人脸识别性能所造成的 模拟是一项富有挑战性的任务，因为除了生物学因 影响.然而，与人们对姿态、光照和表情的重视程度 素外，人类的生活方式中还有生存环境也会影响到 相比，人脸外貌的老化因素没有得到更多的关注 人脸外貌的变化：2))对人类头部采取三维扫描可以 更好地理解老化对人脸的影响；3))用于研究人脸老 收稿日期2011-12-08.网络出版日期：2012-05-27. 化的可用的数据库不仅数量少，而且还包含一些不 基金项目：国家自然科学基金资项目6下卫：键省自然科学 可控制的内外部变化因素.因此，老化因素对人脸识 基金资助项目么0110139)：福建省教育厅技计划资助 项目0A11004:华侨大学侨科研基金资项目(11QZR 别的影响没有得到广泛的研究. 05):华桥大学基本科研业务费专项基金资项目(B 人脸外貌的老化是一个极其复杂的过程，它对 SJ1003). 通信作者杜吉祥E-mail:jixdu@hqu.edu.cn. 人脸的形状和纹理产生生理结构上的变化.近年来， 人类感知物理学和计算机视觉领域均提出了不少关
使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 2005年,有关跨年龄段的人脸识别的相关研究表 明": 1）对人脸老化带来的形状和纹理上的变化的 模拟是一项富有挑战性的任务,因为除了生物学因 素外,人类的生活方式中还有生存环境也会影响到 人脸外貌的变化;2) 对人类头部采取三维扫描可以 更好地理解老化对人脸的影响;3) 用于研究人脸老 化的可用的数据库不仅数量少,而且还包含一些不 可控制的内外部变化因素.因此,老化因素对人脸识 别的影响没有得到广泛的研究. 人脸识别率通常会受到姿态、光照、表情以及年 龄等因素的限制".因此,目前人脸识别的主要工 作就是如何消除这些因素给人脸识别性能所造成的 影响.然而,与人们对姿态、光照和表情的重视程度 相比,人脸外貌的老化因素没有得到更多的关注 摘要: 人脸识别技术中除光线、姿态、表情因素外,由于年龄变化而导致的人脸形状和纹理上的变化会极大程度地 影响人脸识别系统性能.对此,提出了一种使用稀疏非负矩阵分解算法来实现人脸老化模拟,然后将此方法应用于 具有年龄跨度的人脸识别上,通过模拟虚拟样本来增强识别效果.实验结果表明,年龄跨度对人脸识别的确有较大 的影响;当系数矩阵保持稀疏时,非负矩阵分解算法具有更强的特征提取能力;经过老化模拟增加虚拟样本后,其纹 理老化效果明显地提高了跨年龄段的人脸识别的性能. CAAI Transactions on Intelligent Systems DU Jixiang,ZHAI Chuanmin,YE Yongqing (Department of Computer Science and Technology,Huaqiao University,Xiamen 361021,China) Keywords:face recognition; age-span face recognition; non-negative matrix factorization algorithm;sparseness constraints; facial aging simulation; virtual samples 关键词: 人脸识别;跨年龄人脸识别;非负矩阵分解算法;稀疏约束;人脸老化模拟;虚拟样本 中图分类号: TP391文献标志码: A 文章编号: 1673-4785(2012) 03-0271-07 智 能 系 统 学 报 2012年6月 AbstractFor face recognition technology,apart from lighting,gesture,and expression factors,variations in shape and texture of human faces due to aging factors also significantly affect the perfomance of face recognition systems. Using a sparse-constrained non-negative matrix factorization(NMF) algorithm, a facial aging simulation method based on an improved prototype was first proposed and then applied to age-span face recognition to add virtual samples and heighten the recognition rate. Experimental results show that the age span indeed has a great effect on face recognition; the NMF algorithm has stronger feature extraction ability when the coefficient matrix is sparsely constrained. Furthermore,the recognition ratio is apparently improved after adding additional virtual samples by aging simulation of face texure features. 人脸外貌的老化是一个极其复杂的过程,它对 人脸的形状和纹理产生生理结构上的变化.近年来, 人类感知物理学和计算机视觉领域均提出了不少关 An age-span face recognition method based on an NMF algorithm with sparseness constraints DOI: 10.3969/j.issn.1673-4785.201112003 网络出版地址:http: //w.cnki. net/kcms/detail/23.1538.TP.20120527.0855.002.html 第7卷第3期 杜吉祥,翟传敏,叶永青 基金资助项目(2011J01349);福建省教育厅科技计划资助 项目(JA11004);华侨大学侨办科研基金资助项目(11QZR 05);华侨大学基本科研业务费专项基金资助项目(JBSJ1003). 通信作者:杜吉祥.E-mail:jixdu@hqu.edu.cn. (华侨大学计算机科学与技术学院,福建厦门361021) Vol.7 No.3 Jun.2012 收稿日期:2011-12-08.网络出版日期: 2012-05-27. 基金项目:国家自然科学基金资助项目(61175121);福建省自然科学
·272 智能系统学报 第7卷 于人脸老化的研究方法.Todd等认为生物体的结构 其中S(X)越大，意味着向量越稀疏，反之越稠密 模型会因其所受外力的大小和方向的变化而变化， 下面给出具有稀疏约束的NMF的定义[8]：对于 基于该思想他们提出了一种静水力学模型的方法来 给定大小为N×T的非负矩阵V,寻找满足指定稀 刻画人脸结构的成长I3].Burt和Peet提出了“复 疏度的矩阵W(N×M)和H(M×T),使得式(3)最 合人脸”(composite faces)的概念，通过把复合人脸 小化. 的差图信息移植到人脸图像上的方法来增强变换后 E(W,H)=V-WHI2. (3) 人脸图像的感观年龄，从而达到模拟老化的目 式中：W和H的稀疏度满足： 的.Tiddeman等则对该方法进行了扩展，提出了 S(W:)=S(W),Yi; 一种新的基于小波的方法构造出更具代表性的“复 S(H)=S()i. 合人脸”的老化方法).许志维等提出了一种基于 式中：S(W:)为基矩阵W第i列向量的稀疏度， 原始非负矩阵分解算法的老化方法来预测人脸影 S(H:)为系数矩阵H第i行向量的稀疏度. 像，但该方法没有考虑稀疏约束这一条件对老化 结果的影响.王章野等基于黄种人脸图像数据库提 2人脸老化模拟方法 出了一种基于人脸外轮廓局部曲率标准差的个性化 本文采用基于模型参数的原型法进行人脸老化 原型匹配算法，并取得了较好的老化模拟结果]. 模拟.人脸的老化过程伴随着形状和纹理两方面的 本文采用改进的原型法来老化一张人脸图像， 变化，因此，对于一张给定的人脸图像，应从形状和 该方法主要借助具有稀疏约束的非负矩阵分解算法 纹理2个方面分别进行老化模拟.图1为表征人脸 (non-negative matrix factorization,NMF),来提取人 的形状和纹理特征.在稀疏因子约束下，人脸图像经 脸纹理特征，通过实验观察系数或基的稀疏度的改 NMF算法分解后得到的基图像更具备局部稀疏性， 变对人脸老化结果的影响；然后将该老化方法应用 而人脸的老化特征也是表现在面部的某些局部区 于人脸识别中，通过生成虚拟样本以补全各年龄段 域.因此，对于纹理的老化模拟采用稀疏约束的 的样本；最后分析该老化模拟方法对跨年龄段人脸 NMF算法提取特征更加合理，而形状的老化则采用 识别效果的影响， 传统的P℃A方法进行特征提取. 1稀疏约束的NMF算法 NMF算法8是对非负矩阵的一种线性的、非负 的近似数据描述.假设V是一个大小为m×n的图 像矩阵，其中m和n分别表示图像特征数和样本的 数目，那么经过NMF算法分解后的V矩阵可以表 示成式(1)： Vmxa≈WnxH,xa (1) (a)原始人脸图像 (b)人脸的形状和纹理 式中：W为基矩阵，H为系数矩阵，同时r的取值满 图1人脸图像的形状和纹理 足下列不等式： Fig.1 Shape and texture for a facial image (m +n)r mn. 2.1改进的原型法 使用迭代的方法通过最小化‖V-WH‖2来得到 原型法(prototype method)是众多老化模拟方法中 W和H: 最常见的方法之一9]，它通过计算同一年龄值的人脸 E(W,H)=‖V-wH‖2= 图像的均值，来构造代表该年龄段的人脸原型图像： 子(，-(w,2, V,=V。+(G-G) 对NMF算法增加稀疏约束条件意味着分解后 式中：V和V。分别是目标年龄和当前年龄下的特 的基或者系数矩阵的大部分值为0，仅有少量元素 征向量，G,和G。则分别表示目标年龄和当前年龄 为非零值.给定一个向量X,可以通过式(2)计算其 下原型图像的特征向量. 稀疏度： 本文采用的是高斯加权所有训练样本的方法， 而不是选择指定年龄值的训练样本来构造原型图 sx=n-(ΣI出I)/∑ (2) 像.与原型图像年龄值越接近的样本，给予的权值就 n-1 越高
第3期 杜吉祥，等：使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 ·273· w:=。xexp-(a)1 √2m6 282 式中：W:为第i个样本赋予的权值，高斯函数的均值 u取为原型图像指定的年龄值，而方差6通过实验 (a)8岁 (b)16岁 (c)24岁 (d)32岁 来选取最佳值 乞，×M G= (e)6岁 ()14罗 (g)22罗 (h)30罗 图2基于系数H稀疏（稀疏度为O.8)的NMF算法的 式中：G:表示年龄i的特征向量，M:为第i个训练 人脸老化模拟结果 样本的实际模型参数（特征向量）. Fig.2 Facial aging results based on NMF when H is 如果给定的人脸图像在训练样本集中，那么其 sparse (sparseness is 0.8) 模型参数为系数矩阵H对应的列向量；否则，可以 通过求伪逆的方法来获取： 3.4×10 --PCA pinv(W)x v:. 3.31 -NMF(系数稀疏) 式中：pinv(W)为基矩阵W的伪逆，'：为原始人脸 3.2 +一NMF(基稀疏) 图像，H:为对应的模型系数， 3.1 00 2.2实验结果评价准则 3.0 对于各种老化模拟方法得出的人脸图像，将采 用图像欧式距离法「]计算模拟图像与真实图像之 2.9 间的距离.2幅图像X、Y之间的欧式距离被定义为 2.8 MN (x,Y)=∑g(x-y)(x-y)= 20 0.20.30.40.50.60.70.80.9 打=1 稀硫度 (X-Y)G(X-Y). 图3人脸老化模拟图像与真实图像间的误差 式中：M、N分别为图像的行数和列数；对称矩阵G= Fig.3 Errors between real images and simulated facial (g)称为度量矩阵，它表示坐标x对坐标y的作用. images 2.3实验与结果 本文使用塞浦路斯大学的FG-NET aging data- 表1模拟图像与真实图像的误差值 base人脸图像库进行人脸老化模拟实验，该数据 Table 1 Errors between real images and simulated facial 库包含82个人的911幅图像.为了比较稀疏矩阵和 images 基矩阵对算法的影响，实验分为2个部分：1)保持 稀疏度 PCA NMF(基稀疏)NMF(系数稀疏) 系数矩阵H稀疏，基矩阵W不施加稀疏约束条件， 0.1 311.5501 332.6585 299.3552 令H的稀疏度从{0.1,0.2，…，0.9}取值进行老化 0.2 311.5501 模拟；2)保持基矩阵W稀疏，系数矩阵H不施加稀 298.6236 299.2687 疏约束条件，令W的稀疏度从{0.1,0.2，…，0.9}取 0.3 311.5501 298.3588 299.3308 值进行老化模拟.实验1)和2)中的数据维数均保 0.4 311.5501 298.6037 298.7125 持不变 0.5 311.5501 298.9558 298.7800 图2、图3和表1的实验结果表明，稀疏约束的 0.6 311.5501 298.8717 298.0098 NMF算法具有较强的人脸特征表征能力.从图2和 0.7 311.5501 298.1316 297.3890 图3可以看出，基于稀疏约束的非负矩阵分解算法 0.8 311.5501 297.3778 297.1422 的人脸老化模拟图像比基于PCA方法的老化图像 更加接近真实人脸图像.从表1还可以看出，系数稀 0.9 311.5501 277.2217 296.7680 疏度的变化对老化结果的影响要小于基稀疏度的变 3 具有年龄跨度的人脸识别 化对老化结果的影响，结合具体老化图像，最终采用 系数稀疏度为0.8时的老化结果作为后续年龄跨度 年龄跨度的人脸识别与普通的人脸识别最大的 人脸识别的虚拟样本. 区别在于测试样本和训练样本的人脸图像具有不同
274 智能系统学报 第7卷 的年龄取值.实验数据库仍然采用FG-NET aging 少年时期和18岁以上的成年时期.通过统计，FG database,该数据库最大的特点是每个人有不同年龄 NET数据库共有911张标有68个形状特征点的人 的人脸照片6~18张，同一个人某一特定年龄的图 脸图像，其中有687张图像年龄介于0~18岁，剩余 像只有1张，因此正好适合于跨年龄段的人脸识别 的224张年龄处于19~35岁.为此，实验分2步进 的研究. 行，研究对象分别为青少年时期和成年时期的人脸 3.1训练集和测试集的划分 图像.由于该数据库与专用的人脸识别数据库不同， 现有如下假设： 实验结果采用检索率代替识别率（采用KNN计算 1)数据库中第i个人记为P:,共有m个人含有 检索率) 不少于1个年龄跨度值为△4的图像对，其中△4= 3.2.10~18岁的青少年时期 1,2,…,10,i=1,2,…,m 训练集和测试集的样本都取自于数据库中0~ 2)数据库中P:拥有N:个年龄跨度值为△4的 18岁的人脸图像.数据库中该年龄阶段的样本数据 图像对{Aag,Ae,g{,其中i=1,2,…,m,j=1,2,…, 量较多，年龄依次取值1~10岁.分别用PCA方法 N,Ae,=A,y+△4； 和稀疏约束的NMF方法提取纹理特征，形状特征均 3)P:年龄值最小的图像为A,·按照年龄值排 采用PCA方法，比较加人老化模拟样本前后的检索 序，P:包含从A,到A,的人脸图像ng张，其中i=1, 率，实验结果见图4和表2. 2,…,mj=1,2,…,N 依据上面假设，某 次实验的训练集和测试集 0.8r 可设置为： 0.7 0.6 y,1 A.. 0.5 ePCA(老化】 P《,A Ay2 A. 0.4 化前们 0.3 2 3 4 6 10 原始训练样本集St= 年龄跨度 Aga A,9 (a)前5人 A。,网 0.9 A.. 0.8 Aa.li Ag2 A.2 Asi 0.7 0.6 PCA(老化前) 老化训练样本集S= 。PCA老化后 Agi 0.5 … Aa,可 An. ·NF老花 NMF(老化后) 0.41 23 45678910 年龄跨度 A,Aa,网 测试样本集S,={A。.5,Ae对，…，A。,前，…，A。,m}. (b)前10人 其中：k=1,2,…,100,j=1,2,…,N,Sm表示增加老 图40~18岁人脸图像老化前后的检索率 Fig.4 Retrieving ratios before and after aging for fa- 化模拟样本前的训练样本集，S表示增加模拟老化 cial images between 0 and 18 years old 样本后的训练样本集，A,表示老化模拟样本，其每 一行取值由P:的某一图像对的A,值决定， 从图4和表2可以看出，不管哪种人脸老化模 对于每一个年龄跨度值△4的实验，随机地从 拟方法，增加老化模拟样本后，检索率都有了明显的 P,(i=1,2,…,m)中选取某一图像对（共N:个图像 提高，尤其是年龄跨度越大，检索率提升得越多.同 对)，并将其决定的样本序列(A,…,A,g)或(Ai, 时可以看出具有稀疏约束性的NMF方法具有更好 …,A,,A。,)加入训练样本集中.重复进行100次， 的特征提取能力，基于该特征的人脸检索率明显好 最终对这100次实验结果取均值，即得出某一个年 于PCA的结果.另外，从图4中还可以知道，随着年 龄跨度值的人脸识别率， 龄跨度的增加，具有年龄跨度的人脸图像检索率呈 3.2实验结果与分析 现下降趋势，这进一步表明了青少年时期的人脸形 人脸的生长一般分成2个阶段，18岁以下的青 状的快速成长变化对人脸识别的较大影响
第3期 杜吉祥，等：使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 ·275 表20~18岁人脸图像检索率 Table 2 Retrieving ratios for facial images between O and 18 years old 前5人检索率 前10人检索率 年龄跨度 PCA PCA NMF NMF PCA PCA NMF NMF (老化前)（老化后）（老化前)（老化后） (老化前)（老化后）（老化前）（老化后） 1 0.6621 0.6639 0.7505 0.7553 0.7378 0.7457 0.8241 0.8227 2 0.6794 0.6978 0.7467 0.7536 0.7355 0.7680 0.8209 0.8420 3 0.6086 0.6356 0.7066 0.7020 0.6995 0.7390 0.7950 0.7948 4 0.5863 0.6368 0.6600 0.6868 0.6651 0.7350 0.7675 0.7967 5 0.4786 0.5512 0.5786 0.6197 0.5840 0.6643 0.6969 0.7326 6 0.4364 0.4962 0.5267 0.5658 0.5292 0.6045 0.6529 0.6908 7 0.4330 0.4953 0.5201 0.5525 0.5206 0.6083 0.6262 0.6749 8 0.4449 0.4988 0.5170 0.5822 0.5417 0.6159 0.6461 0.7063 9 0.3930 0.4481 0.45910.5685 0.5097 0.5887 0.5891 0.7149 10 0.3509 0.4396 0.43390.5344 0.4790 0.5628 0.5739 0.6770 3.2.218岁以上的成年人时期 1.0 ±EA耄能 ÷耄能离 训练集和测试集的样本都取自于数据库中18~ 0.9 35岁的人脸图像.根据数据库中该年龄阶段样本的 0.8 0.7 数量分布情况，年龄依次取值为1~9.特征提取方 0.61 法同青少年时期的实验一样，然后比较加入老化模 0.5 0.4 拟样本前后的检索率，实验结果见图5和表3， 3 456 年龄跨度 图5进一步反映出了老化模拟效果对人脸图像 检索率的影响.与图4不同的是，18~35岁的成年 (a)前5人 人脸图像检索率比0~18岁青少年的检索率高出很 ±A耄能碧÷N倦能剽 1.00 。-PCA(老化后) 多，而且随着年龄跨度的增加，检索率没有出现明显 0.95+ 的下滑趋势.原因可能有以下2点：1)与数据库样 部0.901 0.85 本数量分布有关，统计表明18岁以下的人脸图像 0.80 0.75 中，对于任意的1~10岁的年龄跨度，平均有65个 0.70 0.65 人满足实验条件进入了训练集和测试集，而18~35 年龄跨度 岁的人脸图像则平均只有26个人满足实验条件： 2)成年时期人脸形状和纹理的生长变化对识别的 (b)前10人 图518~35岁人脸图像老化前后的检索率 影响不如青少年时期显著： Fig5 Retrieving ratios before and after aging for fa- cial images between 18 and 35 years old 表318~35岁人脸图像检索率 Table 3 Retrieving ratios for facial images between 18 and 35 years old 前5人检索率 前10人检索率 年龄跨度 PCA PCA NMF NMF PCA PCA NmF NMF (老化前)（老化后）（老化前）（老化后） （老化前)（老化后）（老化前）（老化后） 1 0.6881 0.62420.8001 0.8809 0.8751 0.85740.9193 0.9524 0.5443 0.68070.87590.9145 0.7542 0.8368 0.93920.9586
·276 智能系统学报 第7卷 续表3 前5人检索率 前10人检索率 年龄跨度 PCA PCA NMF NMF PCA PCA NMF NMF (老化前)（老化后）（老化前）（老化后） (老化前)（老化后）（老化前）（老化后） 3 0.6085 0.6419 0.8323 0.8544 0.7451 0.7819 0.9236 0.9367 4 0.5813 0.6361 0.6846 0.7823 0.7337 0.7639 0.8063 0.9123 5 0.4940 0.6063 0.7573 0.8682 0.6740 0.7933 0.8905 0.9542 6 0.6001 0.6508 0.7783 0.8633 0.7864 0.7824 0.9303 0.9511 7 0.4691 0.7283 0.5707 0.8664 0.6805 0.7283 0.9221 0.9585 8 0.5558 0.7549 0.5611 0.8202 0.7594 0.7549 0.88950.9154 9 0.4091 0.7127 0.4168 0.7101 0.6909 0.71270.7744 0.8598 4结束语 [5]TIDDEMAN B,BURT M,PERRETT D.Prototyping and transforming facial texture for perception research[J].IEEE 本文首先提出了一种基于稀疏非负矩阵分解算 Computer Graphics and Applications,2001,21(5):42- 法的人脸老化模拟方法，实验表明了具有稀疏约束 50. 的非负矩阵分解算法有较强的特征表达能力，其老 [6]许志维，张轩庭.基于非负矩阵分解演算法预测未来人 脸影像[C]/2005年消费者电子信号处理研讨会。 化效果要优于传统的PCA方法.将此老化方法应用 [s.l.],China,2005:1-8. 于年龄跨度的人脸图像检索后，检索率有了明显的 XU Zhiwei,ZHANG Xuanting.Prediction of future facial 改善.从实验结果可以看出，除了光线、姿态、表情 image based on NMF algorithm[C]//Proceedings of the 外，年龄跨度也是影响人脸识别性能的因素之一，而 2005 Workshop on Consumer Electronics and Signal Pro- 且青少年时期的人脸生长的影响较大 cessing (WCEsp2005).[S.L.],China:2005:1-8. 然而，特征维度的选取以及稀疏的程度这两大 [7]王章野，曹玫璇，李理，等.基于个性化原型的人脸衰老 关键因素对老化模拟的结果都有着直接的影响，这 图像合成[J].电子学报，2009,37(4A):118-124. 也是今后继续研究的内容.此外，实验中适当地调整 WANG Zhangye,CAO Meixuan,LI li,et al Individual 形状和纹理特征的权重比例对识别率也会造成不同 prototyping based facial aging image synthesis[J].Chinese 程度上的影响，因此，两者之间的关系也是值得关注 Jourmal of Electronics,2009,37(4A):118-124. [8]HOYER PO.Non-negative matrix factorization with sparse- 的研究方向. ness constraints[J].Journal of Machine Learning Re- 参考文献： search,2004,5:1457-1469. [9]JENKINS R,BURTON A M,WHITE D.Face recognition [1]PHILLIPS P J,SCRUGGS W T,O'TOOLE A J,et al. from unconstrained images:progress with prototypes[C] FRVT 2006 and ICE 2006 large-scale results:Technical Proceedings of the 7th International Conference on Automat- Report NISTIR 7408[R].Gaithersburg,USA:National In- ic Face and Gesture Recognition.Washington,DC,USA: stitute of Standards and Technology,2007. IEEE Computer Society,2006:25-30. [2 RAMANATHAN N,CHELLAPPA R.Face verification [10]戴欢，吴小俊.基于图像欧式距离的人脸描述和识别方 across age progression[J].IEEE Transactions on Image 法[J].江南大学学报：自然科学版，2009,8(1)：20- Processing,2006,15(11):3349-3361. 23. [3]TODD J T,MARK L S,SHAW R E,et al.The perception DAI Huan,WU Xiaojun.Face representation and recogni- of human growth[J].Scientific American,1980,242(2): tion based on image Euclidean distance[J].Journal of 132-144. Jiangnan University:National Science Edition,2009,8 [4]BURT M,PERRETT D.Perception of age in adult Cauca- (1):20-23. sian male faces computer graphic manipulation of shape and [11]Face and Gesture Recognition Research Network.FG-Net colour information[J].Proceedings of the Royal Society B: aging database EB/OL].[2011-12-07].hup://www. Biological Sciences,1995,259(1355):137-143. fgnet.rsunit.com/
第3期 杜吉祥等：使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 277。 作者简介： 翟传敏，女，1977年生，讲师，主要 杜吉祥，男，1977年生，副教授，工 研究方向为模式识别、数字图像处理、 学博士，福建省计算机学会理事，主要 计算机辅助设计等。 研究方向为模式识别、智能计算、数字 图像处理等.主持国家自然科学基金、 福建省自然科学基金、中国科学院知识 创新工程重要方向项目子课题、中国博 士后科学基金特别资助项目等科研项目10余项.曾获2010 叶永青，男，1986年生，硕士研究 年安徽省科学技术一等奖。发表学术论文40余篇. 生，主要研究方向为模式识别、数字图 像处理等 The 2013 IEEE International Conference on Robotics and Automation(ICRA 2013) 2013年IEEE机器人和自动化国际会议(ICRA2013) The 2013 EEE International Conference on Robotics and Automation(ICRA 2013))will be held in Karlsruhe.Germany on May 6-10,2013.The conference theme is"anthropomatics-echnologies for humans",highlighting the paramount role of robotics and automation in improving human quality of life. Prospective authors should submit PDF versions oftheir paper.Six pages in standard ICRA format are allowed for each pa- per,including figures.A maximum of two additional pages is permitted.A video clip may also be submitted.Detailed in- structions for submission are available on the conference website. The folowing challenges willbe featured:outdoor challenge(fying walking and/or driving platform fulilling exploration and manipulation tasks);mobile manipulation challenge(humanoid assistance robots performing an indoor task,e.g.,in a kitchen));human-robot interaction challenge(different tasks of multimodal interaction,speech,face,gesture and inten- ion recognition).Proposals on other topics are welcome. Im portant Dates: September 17,2012;Submission deadline January 7,2013:Acceptance notification February 11,2013:Final contribution deadline Website:http://www.icra2013.org/
叶永青,男,1986年生,硕士研究 生,主要研究方向为模式识别、数字图 像处理等. 277。 m 第3期 portant Dates: 杜吉祥,等: 使用稀疏约束非负矩阵分解算法的跨年龄人脸识别 The 2013 EEE International Conference on Robotics and Automation(ICRA 2013) will be held in Karlsruhe,Germany on May 6-10,2013. The conference theme is"anthropomatics-echnologies for humans",highlighting the paramount role of robotics and automation in improving human quality of life. 作者简介: The 2013 IEEE International Conference on Robotics and Automation(ICRA 2013) September 17,2012; Submission deadline January 7,2013: Acceptance notification February 11,2013: Final contribution deadline Website:http: //www.icra2013.org/ 2013年 IEEE机器人和自动化国际会议(ICRA 2013) 翟传敏,女,1977年生,讲师,主要 研究方向为模式识别、数字图像处理、 计算机辅助设计等. 杜吉祥,男,1977年生,副教授,工 学博士,福建省计算机学会理事,主要 研究方向为模式识别、智能计算、数字 图像处理等.主持国家自然科学基金、 福建省自然科学基金、中国科学院知识 The folowing challenges willbe featured: outdoor challenge(fying, walking and/or driving platform fulilling exploration and manipulation tasks) ;mobile manipulation challenge(humanoid assistance robots performing an indoor task,e.g.,in a kitchen) ;human-robot interaction challenge(different tasks of multimodal interaction,speech,face,gesture and intenion recognition) . Proposals on other topics are welcome. Prospective authors should submit PDF versions of their paper. Six pages in standard ICRA format are allowed for each paper,including figures. A maximum of two additional pages is permitted. A video clip may also be submitted. Detailed in- 创新工程重要方向项目子课题、中国博 士后科学基金特别资助项目等科研项目10余项.曾获2010 年安徽省科学技术一等奖。发表学术论文40余篇. structions for submission are available on the conference website