基于三元空间融合的模糊人脸图像特征相似度识别

2021-10-08智应颍顾铭岑闫凌维仲蓓鑫何金凤

计算机时代 2021年9期

智应颍顾铭岑闫凌维仲蓓鑫何金凤

摘要：提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法。通过建立模糊人脸图像特征相似度投影矩阵，将模糊人脸图像映射到同一个特征表示空间，得到维数一致的特征向量;针对10种LIH特征相似度进行分析，确定模糊人脸图像特征相似度信息能量百分比;使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子，基于三元空间融合提取局部特征描述子;通过设计对称表示相似性度量方法，取得最完整的特征相似度识别结果。实验结果表明，该方法可以实现模糊人脸图像特征相似度精准识别，其特征相似度识别分辨率明显高于传统方法。

关键词：三元空间融合; 模糊人脸图像特征; 相似度识别; 特征向量

中图分类号：TP391 文献标识码：A 文章编号：1006-8228（2021）09-66-04

Abstract： In this paper， a fuzzy face image feature similarity recognition method based on ternary space fusion is proposed. By establishing the projection matrix of fuzzy face image feature similarity， the fuzzy face image is mapped to the same feature representation space to obtain the feature vector with the same dimension; the 10 LIH feature similarities are analyzed to determine the percentage of information energy of the fuzzy face image feature similarity; the feature descriptors in the fuzzy face image are described by using the coding method in the ternary space fusion technology， and the local feature descriptors are extracted based on ternary space fusion; the most complete feature similarity recognition results are obtained by designing a symmetric representation similarity metric. Experiment results show that this method can realize accurate recognition of fuzzy face image feature similarity， and its feature similarity recognition resolution is significantly higher than that of traditional methods.

Key words： ternary space fusion; fuzzy face image features; similarity recognition; feature vectors

0 引言

為构建平安城市，通过大量的视频监控网络得到的图像基本比较模糊，模糊人脸图像特征相似度识别是在模糊图像中提取特征信息的有效方法[1]。但由于现代化网络技术的发展，人们对模糊人脸图像特征相似度识别精度的要求越来越高。

三元空间融合作为一种空间融合技术，能够在原有信息空间和物理空间二元空间融合的基础上，加入人类认知空间[2]。通过三元空间融合针对信息空间中的目标进行有效识别，进而提高识别的精度。三元空间融合以其独有的优势在大众视线中脱颖而出，三元空间融合技术在模糊人脸图像特征相似度识别中的应用已经不是首次提出，早于2015年高新波等人提出的基于三元空间融合的人脸图像模式识别中，就得出三元空间融合在处理相关图片信息方面具有着独特的识别机制的结论，并通过实验的方式证明三元空间融合在人脸图像模式识别中的有效性。在此基础上，本文提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法，力求为模糊人脸图像特征相似度识别的进一步发展提供方法支持[3]。

1 基于三元空间融合的模糊人脸图像特征相似度识别方法

根据模糊人脸图像特征参数三元空间融合具有的特点，下述将进行基于三元空间融合的模糊人脸图像特征相似度识别方法设计[4]。基于三元空间融合的模糊人脸图像特征相似度识别整体框架，如图1所示。

本文针对图1中的三点做重点研究[5]。将三元空间融合模糊人脸图像特征相似度识别框架分为三个步骤，逐一实现模糊人脸图像特征相似度识别[6]。

1.1 建立模糊人脸图像特征相似度投影矩阵

在模糊人脸图像特征相似度识别中，首先要建立模糊人脸图像特征相似度投影矩阵;再通过将模糊人脸图像映射到同一个特征表示空间;最后，得到维数一致的特征向量[7]。设模糊人脸图像特征相似度投影矩阵为E，则其计算公式，如公式⑴所示。

在公式⑴中，M指的是模糊人脸图像的长度;N指的是模糊人脸图像的宽度;x（i，j）指的是模糊人脸图像在共享空间的投影距离;i指的是模糊人脸图像在共享空间的横坐标;j指的是模糊人脸图像在共享空间的纵坐标。利用公式⑴可得出模糊人脸图像特征相似度投影。

1.2 确定模糊人脸图像特征相似度信息能量百分比

根据模糊人脸图像特征相似度投影，确定模糊人脸图像特征低频信息能量及高频信息能量百分比[8]。

结合Klare等人提出的模糊人脸图像特征相似度判别分析方法，针对10种LIH特征相似度进行分析。模糊人脸图像特征相似度能量百分比具体信息，如表1所示。

分析表1数据，通过特征相似度投影分析模糊人脸图像能够得出能量集中在低频信息区域中，高频信息区域中能量分布较少[9]。

1.3 基于三元空间融合提取局部特征描述子

由于在建立模糊人脸图像特征相似度投影矩阵时，未考虑到模糊人脸图像的空域联系[10]，因此，在建立模糊人脸图像特征相似度投影矩阵的基础上，基于三元空间融合提取模糊人脸图像中低频信息和高频信息的局部特征描述子[11]。

首先，需要对输入的模糊人脸图像进行预处理;再通过三元空间融合技术划分信息空间、物理空间以及人类认知空间，将高频信息划分到信息空间以及物理空间，将低频信息划分到人类认知空间;而后，使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子，并通过特征拼接的方式实现三元空间融合;最后，根据特征描述子的向量进行模糊人脸图像输出处理，实现直接将识别模糊人脸图像进行输入或输出处理。

基于三元空间融合提取局部特征描述子可用方程式的手段进行表示，设提取后的局部特征描述子为D（x，y），则其计算公式，如公式⑵所示[12]。

其中，k指的是模糊人臉图像局部Radon三值特征向量维度;k指的是维度，为实数，通常情况下取值为1;x指的是信息空间、物理空间模态下的模糊人脸图像;y指的是人类认知空间模态下的模糊人脸图像;rk指的是在k维度下提取的模糊人脸图像局部Radon三值特征向量维度元素值[13]。通过公式⑵，可以基于三元空间融合提取模糊人脸图像局部特征描述子，而局部特征描述子则可以直接反映出的细微部件信息，为下文的模糊人脸图像特征相似度识别提供数据支持。

1.4 取得最完整的特征相似度识别结果

得到基于三元空间融合提取局部特征描述子后，构建一个模糊人脸图像特征相似度识别数据集，通过重构权值的方法直接省略前期的预处理流程，进行模糊人脸图像特征组别提炼或相关数据的重新构建[14]。面对在模糊人脸图像特征相似度识别中出现人脸信息倾斜状况，利用三元空间融合其高度稳定性，自动进行模糊人脸图像的平移或旋转操作，利用精密的特征描述子结构实现收集到的特征相似度信息数据的处理，分析等工作。由于模糊人脸图像特征相似度识别很容易受到噪声干扰，本文通过设计对称表示相似性度量方法，取得最完整的特征相似度识别结果。设对称表示相似性度量方法的计算表达式为Z（x，y），则其计算公式，如公式⑶所示[15]。

在公式⑶中，[wx，y]指的是对信息空间、物理空间模态下的模糊人脸图像表示特征的第 z 维元素值;[wy，z]指的是对人类认知空间模态下的模糊人脸图像表示特征的第 z 维元素值;[nz]表示的是三元空间下模糊人脸图像特征相似度识别的状态，为实数，当[wx，y]与[wy，z]均为正数时，[nz]取值为1;当[wx，y]与[wy，z]均为负数时，[nz]取值为0，则证明该次模糊人脸图像特征相似度识别结果无效[16]。至此，完成基于三元空间融合的模糊人脸图像特征相似度识别方法设计。

2 实验

2.1 实验准备

本文通过实验，证明设计特征相似度识别方法的优越性。实验对象选取某模糊人脸图像，在仿真实验软件平台上构建一个虚拟的仿真识别信号网，输入模糊人脸图像，并设置该识别信号的传输速率为1220bps，信号采集速率为84.4kHz。模糊人脸图像的具体信息，如表2所示。

结合表2所示，实验内容针对模糊人脸图像的特征相似度识别分辨率进行。首先，采用传统的特征相似度识别方法进行实验，再采用文章设计的特征相似度识别方法进行实验，设置传统的特征相似度识别方法为对照组。针对表2中的10种特征参数，将实验次数设为10次，分别使用两种特征相似度识别方法进行特征相似度识别，从而得出实验数据。

2.2 实验结果分析与结论

根据上述设计的实验步骤，采集10组实验数据，将两种特征相似度识别方法下的特征相似度识别分辨率进行对比。为了更加直观地体现出两种特征相似度识别方法的差异性，将实验结果在仿真实验平台以表格的形式进行展示。具体实验结果，如表3所示。

通过表3可得出如下的结论，本文设计的特征相似度识别方法的特征相似度识别分辨率明显高于传统方法，且优势明显，能够实现模糊人脸图像特征相似度精准识别。因此，可以证明三元空间融合技术在模糊人脸图像特征相似度识别方面应用的有效性，与高新波等人提出的基于三元空间融合的人脸图像模式识别中的实验结果具有一致性。

3 结束语

随着三元空间融合技术的不断成熟，本文基于三元空间融合对模糊人脸图像特征相似度进行识别，取得了良好的效果。

模糊人脸图像特征相似度识别是针对模糊人脸图像进行精准识别最实用和最可靠的方法。因此，针对基于三元空间融合的模糊人脸图像特征相似度识别方法的研究可以大幅度提高特征相似度识别分辨率，完成传统的特征相似度识别方法所不能实现的任务。三元空间融合是模糊人脸图像特征相似度识别的核心技术，有理由加大对该技术在模糊人脸图像特征相似度识别中的研究力度，为模糊人脸图像特征相似度识别的发展指明前进方向。

本文仍存在不足之处，没有针对基于二元空间融合的模糊人脸图像特征相似度识别方法与设计方法进行对比，相信这一点可以成为日后的研究内容之一。

参考文献（References）：

[1] 陆振宇，邱雨楠，陆冰鉴等.改进的二维主成分分析的人脸识别新算法[J].现代电子技术，2019.42（6）：55-59，64

[2] 张凯兵，郑冬冬，景军锋.低分辨人脸识别综述[J].计算机工程与应用，2019.55（22）：14-24

[3] 高洪涛，郜亚丽.融合均匀局部二元模式和稀疏表示的人脸识别[J].计算机工程与设计，2019.40（3）：869-873

[4] 付利华，卢中山，孙晓威，赵宇，张博.融合参考图像的人脸超分辨率重构方法[J].模式识别与人工智能，2020.33（4）：325-336

[5] 张敦凤，高宁化，霍建文等.基于分块LBP融合特征和SVM的人脸识别算法[J].传感器与微系统，2019.38（5）：154-156，160

[6] 李瞳，李彤，赵宏伟.基于残差神经网络的视频内容快速检索系统研究[J].吉林大学学报（信息科学版），2018.36（4）：465-469

[7] 李浩.基于卷积神经网络的人脸图像特征提取[J].河南工程学院学报（自然科学版），2019.31（1）：66-70，76

[8] 章东平，陈思瑶，李建超等. 基于改进型加性余弦间隔损失函数的深度学习人脸识别[J]. 传感技术学报，2019.32（12）：1830-1835

[9] 苏寒松，刘高华，陈震宇等.一种基于角度距离损失函数和卷积神经网络的人脸识别算法[J].激光与光电子学进展，2018.55（12）：408-419

[10] 杨涵.基于深度学习的人脸识别算法研究[J]. 电子设计工程，2019.27（019）：155-159