人脸老化分层模型与识别

聂佳琦　高迎雪

摘要：人的面貌与生俱来，伴随着人年龄的增长，人的面貌也会随着改变。识别标准光照标准位置的两张不同年龄段的照片是否为同一人。对图像的特征进行分层提取，在原有的模型两层基础上改进，将特殊特征也用于特征识别。上层为特殊印记层，中层为五官层，下层为皮肤脸型层。最后，对不同的层用不同的标准对比。通过建立的人脸老化的全局模型，对于每个年龄段，得出其与其他年龄阶段的老化范围。利用同一人不同年龄阶段的照片确定两张人像间差距的阈值。本文所建立的人脸识别模型也可适用于公安局户籍扫描、嫌疑犯识别等人脸识别范围。

关键词：人脸识别；全局模型；老化模型；Procrustes算法；Denlaunay三角化

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）11-0187-02

1前言

从骨骼到皮肤，从毛发到眼睛，人脸的所有特征都在时间的冲刷下不停的改变。变化是必然的，但是在没有外伤、整形这类非自然的改变情况下，总也有一些特征是不变的，与生俱来并且伴随一生。日常生活中，看到两张不同年龄阶段的人的照片，大多情况都能通过人眼识别这两张图片是否为一人，但总有人眼也不能识别的时候。通过建立数学模型，识别标准光照标准位置的两张不同年龄段的照片是否为同一人。

针对该问题，建立能够分辨两张图片是否为同一人的模型。本文认为，建立的模型中应包括：1）图像预处理，识别出图片中的脸部范围，处理为灰度图像。2）特征分层提取，将人脸的特征分为三类，提取属于每个层中的特征。3）建立不同年龄阶段老化模型，确定两个不同年龄段之间的老化范围，确定阈值。4）找到两张图片所属的年龄段，对比两张图片之间的老化程度，与阈值对比得出结果。通过将两张图片输入算法，实现自动识别，得到结果。

2 建立模型

2.1构架全局原型

采用[1]中的全局原型。全局原型是各年龄段平均形状和平均纹理的集合，反映了人脸老化的共性特征。收集图像库平均人像，平均人像反映了人脸的共同特征。本文收集了青年、中年、老年三个年龄阶段的一寸证件照各2000张，组成人脸图像样本子库。对各个样本子库，采用Procrustes算法[2]迭代求取人脸的平均形状（见图1），公式如下：

（1）

对齐至三个年龄段的平均形状，得到与平均形状五官的平均纹理。平均形状和平均纹理能很好地体现人脸老化的共性特征。这些信息在时间轴上的不断变化构成了人脸的全局原型（见图1），用来进行人脸老化过程模型。

2.2面部层次模型

将人脸图像分层表示，能够将原始的人脸图像適当的表示，以年龄段中的人像为例，按照层次模型表示为：

[It=（If，t，Ip，t，Ik，t）] （1） 其中，为人像的下层，包括皮肤、脸型等全局特征；为人像的中层，包括五官（眼睛、眉毛、鼻子、嘴）以及相应的皱纹（鱼尾纹、抬头纹、眉间纹、法令纹）； 为人像的上层，包括痣、伤疤、坑痕等不会随着年龄改变，并非所有人都有的特征。

在建立包含子块图像的人像子库时，只提取五官层（图2）和皮肤层的特征 。

对年龄段[t]中的所有人像均按层次模型进行表示，建立包含子块图像的人像子库[Gt]：

[Gt=（Ii，f，t，Ii，p，t），i=1，2，...，n] （2）

[Gt]包含下层和中层的子块图像，以青年为例。将Denlaunay三角化[1]应用于原始人像，线性对齐至平均形状，以提取形状以及与形状无关的纹理矢量[Si，f，t，Ti，f，t]。由于人老化的程度是非线性的[1]，及人脸上的各部分经过相同的时间，变化有大有小。所以建立人脸老化模型时，不同的层中的不同部位都有着不同的模型。

3确定阈值

给出的两张图片可能有三种情况：1、青年与中年。2、中年与老年。3、青年与老年。不同年龄段之间的变化在每个层中都有体现。因此，需求出与这三种情况对应的，各个层间的老化范围即阈值：[theshold1（u，m，d）]；[theshold2（u，m，d）]；[theshold3（u，m，d）]，以及段特征范围[[l1，h1]，[l2，h2]，[l3，h3]]。 阈值记录不同年龄段之间五官层中五官的大小变化与位置变化，记录皮肤与脸型层中的脸型变化与皱纹变化情况。将变化量化，从而算出阈值。人脸老化有着一定的规律如图5。因此，在确定阈值时，考虑中层的五官（眼睛、眉毛、鼻子、嘴）以及下层的皱纹（鱼尾纹、抬头纹、眉间纹、法令纹）。而特征范围，能够用于检测任一图像的年龄阶段。

4提取图片面部特征，与阈值对比得出结果

利用建立的面部层次模型，提取两张图片面部特征。通过各个层的特征确定一个特征值，通过这个特征值所属特征区间确定两张图片中人物所处的年龄阶段。提取上层信息，由于上层中的特征都是不随时间变化且不大众的特征，因此上层中的特征对于辨别人脸十分重要。

首先比较上层的特征信息，若上层均有特征且相等，再比较中层与下层；若不满足其一项，对比停止。

5 结束语

本文选择从建立面部全局模型、面部层次模型、不同年龄段间的人脸老化模型三方面解决问题，在原有的模型两层基础上改进，选择三层模型，将特殊特征也用于特征识别。改进预处理方法后能用于广泛样本。

参考文献：

[1] 邹北骥，郭伟，梁毅雄.非线性人脸老化模拟[J].计算机工程与科学，2010，32（3）：45-48.

[2] Goodall C. Procrustes Methods in the Statistical Analysis of Shape[J].Journal of the Royal Statistical Society， 1991， 53（2）：285-339.

[3] Medina A， Lakhina A， Matta I， et al. BRITE： an approach to universal topology generation[C]// International Symposium on Modeling， Analysis and Simulation of Computer and Telecommunication Systems， 2001. Proceedings. IEEE， 2001：346-353.

[4] 王映辉.人脸识别—原理、方法与技术[M].北京：科学出版社，2010.