第1期 阮晓虎，等：一种基于特征匹配的人脸配准判断方法 ·17 像。分析实验数据，得到的结果如图7所示，图中纵 由于偏差接近阈值，这些图像与标准人脸的相似度 坐标表示相似度，对于正确配准图像与标准人脸图 相对较高。同时，一些图像中的噪声也可能导致其 像相似度曲线，横坐标表示大于曲线表示的相似度 与标准人脸相似度的下降（例如：图8(a)和图8(b) 的图像占所有正确配准图像的百分比，对于错误配 中第3幅图像)，所以，该方法还可以排除被噪声污 准图像与标准人脸图像相似度曲线，横坐标表示小 染的图像。 于曲线表示的相似度的图像占所有错误配准图像的 实验中，正确配准的人脸图像与标准人脸的高 百分比。 相似性及错误配准的人脸图像与标准人脸的低相似 1.0 定位错误图像与平 性表明了该人脸配准判断方法的有效性。 均人脸图像相似度 定位正确图像与平 同时，实验在特征提取的速度方面也进行了测 0.9 均人脸图像相似度 试，对相同大小的人脸图片，分别用SFT特征提取 0.8 方法和本文算法提取图像特征，在选用同样的关键 三0.7 点时，ST算法和本文算法的耗时情况如表1。 0.6 表1 算法的耗时比较 Table 1 Time-consuming comparison 0.5 算法 关键点个数 特征向量维度 耗时/s 0.4 0 20 4060 80 100 SIFT o 128 0.125 累积占比/% 本文算法 10 128 0.005 图7关键点平均相似性曲线 从以上结果看出，本文提取算法相对于SFT来 Fig.7 The mean similarity curve of key-points 说，极大地降低了耗时，由此验证了本文特征提取算 从图中可以看出，采用关键点相似度平均值作 法的高效性。 为总体相似性，应用于人脸数据库的建模阶段时，在 3.2判别辨识度分析 全部排除错误配准人脸图片的情况下（对应阈值为 实验得到正确配准的人脸图像与标准人脸图像 0.74),对正确配准的人脸图片的筛选率为95.5%， 的相似度（记为SR),可接受的最大定位偏移或最 即几乎可以保留全部的正确配准图片。若应用于人 大偏转角度下的人脸图像与标准人脸图像的相似度 脸识别阶段，在保证正确配准图像全部通过的情况 (记为SM),则定义人脸配准判断的辨识度（记为 下（对应阈值为0.68），对错误配准图像的排除率为 SD)为 95.7%,即可以排除绝大部分错误配准图像。对图7 SD SR SM 中处于曲线末端的数据（即与标准人脸相似度较低 辨识度越大表明越容易判别出错误配准的 的正确配准的人脸图像和与标准人脸相似度较高的 图像。人脸定位偏移距离和偏转角度定义为理 错误配准的人脸图像)进行边缘情况分析，发现在 论上正确人脸定位的位置和方向与实际人脸定 正确配准的图像中存在如图8(a)所示的图片，在错 位位置和方向间的距离和角度，可以接受的最大 误配准的人脸图像中存在如图8(b)所示的图像。 定位偏移和偏转角度的图像是指在不影响后续 识别的情况下允许的最大定位偏差（偏移距离和 偏转角度)，通常情况下，该偏移距离不大于图像 (a)相似度较低的正确配准的图片 尺寸的5%)，而偏转角度不大于5°。为了研究 该人脸配准判别方法的辨识度，该实验分别将人 脸定位偏移距离和图像旋转角度作为自变量，人 为地偏移正确配准的人脸图像，如图9所示，其 (b) 相似度较高的错误配准的图片 中，图9(a)为正确配准的人脸图像，图9(b)~ 图8边缘情况分析 (e)各组图像中，第一张图像均为最大允许偏移 Fig.8 Marginal data analysis 量，即偏移为2个像素，后续图像偏移量分别为5 图8(a)中的图像虽然根据眼睛和脸判别为正 个像素、10个像素；图9()~(g)各组图像中，第 确配准图像，但定位还是存在少量偏差，导致其相似 一张均为最大允许偏转角度，即偏转5°，其余图 度相对较低，只是这种偏差在允许的范围之内：相应 像偏转量分别为30°、55°。 地，图8(b)为定位偏差超出设定阈值的图像，但是，像遥 分析实验数据袁得到的结果如图 苑 所示袁图中纵 坐标表示相似度袁对于正确配准图像与标准人脸图 像相似度曲线袁横坐标表示大于曲线表示的相似度 的图像占所有正确配准图像的百分比袁对于错误配 准图像与标准人脸图像相似度曲线袁横坐标表示小 于曲线表示的相似度的图像占所有错误配准图像的 百分比遥 图 苑摇 关键点平均相似性曲线 云蚤早援苑摇 栽澡藻 皂藻葬灶 泽蚤皂蚤造葬则蚤贼赠 糟怎则增藻 燥枣 噪藻赠鄄责燥蚤灶贼泽 从图中可以看出袁采用关键点相似度平均值作 为总体相似性袁应用于人脸数据库的建模阶段时袁在 全部排除错误配准人脸图片的情况下渊对应阈值为 园援苑源冤袁对正确配准的人脸图片的筛选率为 怨缘援缘豫袁 即几乎可以保留全部的正确配准图片遥 若应用于人 脸识别阶段袁在保证正确配准图像全部通过的情况 下渊对应阈值为 园援远愿冤袁对错误配准图像的排除率为 怨缘援苑豫袁即可以排除绝大部分错误配准图像遥 对图 苑 中处于曲线末端的数据渊即与标准人脸相似度较低 的正确配准的人脸图像和与标准人脸相似度较高的 错误配准的人脸图像冤 进行边缘情况分析袁发现在 正确配准的图像中存在如图 愿渊葬冤所示的图片袁在错 误配准的人脸图像中存在如图 愿渊遭冤所示的图像遥 图 愿摇 边缘情况分析 云蚤早援愿摇 酝葬则早蚤灶葬造 凿葬贼葬 葬灶葬造赠泽蚤泽 摇 摇 图 愿渊葬冤中的图像虽然根据眼睛和脸判别为正 确配准图像袁但定位还是存在少量偏差袁导致其相似 度相对较低袁只是这种偏差在允许的范围之内曰相应 地袁图 愿渊遭冤为定位偏差超出设定阈值的图像袁但是袁 由于偏差接近阈值袁这些图像与标准人脸的相似度 相对较高遥 同时袁一些图像中的噪声也可能导致其 与标准人脸相似度的下降渊例如院图 愿渊葬冤和图 愿渊遭冤 中第 猿 幅图像冤 袁所以袁该方法还可以排除被噪声污 染的图像遥 实验中袁正确配准的人脸图像与标准人脸的高 相似性及错误配准的人脸图像与标准人脸的低相似 性表明了该人脸配准判断方法的有效性遥 同时袁实验在特征提取的速度方面也进行了测 试袁对相同大小的人脸图片袁分别用 杂陨云栽 特征提取 方法和本文算法提取图像特征袁在选用同样的关键 点时袁杂陨云栽 算法和本文算法的耗时情况如表 员遥 表 员摇 算法的耗时比较 栽葬遭造藻 员摇 栽蚤皂藻鄄糟燥灶泽怎皂蚤灶早 糟燥皂责葬则蚤泽燥灶 算法 关键点个数 特征向量维度 耗时辕 泽 杂陨云栽 员园 员圆愿 园援员圆缘 本文算法 员园 员圆愿 园援园园缘 摇 摇 从以上结果看出袁本文提取算法相对于 杂陨云栽 来 说袁极大地降低了耗时袁由此验证了本文特征提取算 法的高效性遥 猿援圆摇 判别辨识度分析 实验得到正确配准的人脸图像与标准人脸图像 的相似度渊记为 杂砸 冤 袁可接受的最大定位偏移或最 大偏转角度下的人脸图像与标准人脸图像的相似度 渊记为 杂酝 冤 袁则定义人脸配准判断的辨识度渊记为 杂阅 冤为 杂阅 越 杂砸 原 杂酝 摇 摇 辨识度越大表明越容易判别出错误配准的 图像遥 人脸定位偏移距离和偏转角度定义为理 论上正确人脸定位的位置和方向与实际人脸定 位位置和方向间的距离和角度袁可以接受的最大 定位偏移和偏转角度的图像是指在不影响后续 识别的情况下允许的最大定位偏差渊 偏移距离和 偏转角度冤 袁通常情况下袁该偏移距离不大于图像 尺寸的 缘豫咱员暂 袁而偏转角度不大于 缘毅 遥 为了研究 该人脸配准判别方法的辨识度袁该实验分别将人 脸定位偏移距离和图像旋转角度作为自变量袁人 为地偏移正确配准的人脸图像袁如图 怨 所示袁其 中袁图 怨渊葬冤 为正确配准的人脸图像袁图 怨渊 遭冤 耀 渊 藻冤各组图像中袁第一张图像均为最大允许偏移 量袁即偏移为 圆 个像素袁后续图像偏移量分别为 缘 个像素尧员园 个像素曰图 怨渊枣冤 耀 渊 早冤 各组图像中袁第 一张均为最大允许偏转角度袁即偏转 缘毅袁 其余图 像偏转量分别为 猿园毅 尧 缘缘毅 遥 第 员 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 阮晓虎袁等院 一种基于特征匹配的人脸配准判断方法 窑员苑窑