金雨坤

摘要：本文采用了一種基于主動(dòng)外觀模型（AAM）與尺度不變特征變換（SIFT）相結(jié)合的特征提取方法，采用AAM方法提取初級(jí)特征點(diǎn)，然后通過SIFT算法得到二次特征點(diǎn)，最后采用基于蛙跳混合算法的特征匹配分析同一個(gè)人的不同年齡段的面貌特征。關(guān)鍵詞：基于主動(dòng)外觀模型（AAM）；尺度不變特征變換（SIFT）；混合蛙跳算法（SIFA）1 主動(dòng)外觀模型的建立該方法不僅包含人臉的形狀信息，而且包含重要的臉部紋理信息，并找出臉部形狀與紋理信息之間的聯(lián)系。分析過程如下：在給定集合下，計(jì)算平均形狀S。對(duì)紋理進(jìn)行數(shù)學(xué)分析，從而得到統(tǒng)計(jì)模型：g=g+Pgbg（1）b=wsbsbg0（2）b=b+Qc（3）調(diào)節(jié)參數(shù)得到不同的形狀及紋理，合成一幅模型人臉圖像：Im=Twarp1sm，gm；θ（4）其中，將橫型紋理gm變形sm后進(jìn)行相似變換，得到模型圖Im。2 尺度不變特征變換（SIFT）構(gòu)建尺度空間模擬圖像數(shù)據(jù)的多尺度特征：利用高斯卷積核實(shí)現(xiàn)尺度變換。將一幅二維圖像的尺度空間定義為：Lx，y，kσ=G（x，y，σ）*Ix，y（5）Gx，y，σ=12πσ2ex2+y2/2σ2（6）其中，Gx，y，σ是尺度可變高斯函數(shù)，σ是尺度坐標(biāo)。利用DOG函數(shù)構(gòu)建圖像卷積。如果相同位置的像素沒有變化，認(rèn)為沒有特征。定位極值點(diǎn)，對(duì)尺度空間中的極值點(diǎn)進(jìn)行檢測(cè)。每一個(gè)采樣點(diǎn)需要與周圍的鄰域點(diǎn)比較，最終得到極值點(diǎn)。3 混合蛙跳算法擬合二次函數(shù)對(duì)極值點(diǎn)進(jìn)行篩選，去除穩(wěn)定度低的極值點(diǎn)和邊緣響應(yīng)點(diǎn)。Dx，y，σ=D+DTxx+12xT2Dx2x（7）得到極值點(diǎn)的幅值和方向，為確保旋轉(zhuǎn)不變性，將以關(guān)鍵點(diǎn)為中心的空間分為四個(gè)子空間，分別計(jì)算梯度方向的累加值，形成一個(gè)SIFT特征，如圖1所示。由圖2可知，不同人特征的位置、方向、尺度均不一樣，但多聚集在面部的T區(qū)，說明SIFT能夠達(dá)到本文對(duì)局部特征的要求。通過采集圖像特征點(diǎn)得到相似度，繼而利用置信度加權(quán)的方法來表現(xiàn)時(shí)間段變化。通過對(duì)相似度進(jìn)行均值運(yùn)算，計(jì)算特征點(diǎn)權(quán)值為：Tr=f+（1f）×ia（8）按時(shí)間順序，以相同時(shí)間間隔識(shí)別同一個(gè)人不同年齡段，如圖3所示：參考文獻(xiàn)：[1]楊福嘉，鄭麗穎.基于SIFT的新特征提取匹配算法[J/OL].應(yīng)用科技：15[20181014].http：//kns.cnki.net/kcms/detail/23.1191.U.20181007.2343.002.html.[2]鄒國良，張石明，陳長吉，王振華.基于改進(jìn)最小距離法的圖像匹配并行算法設(shè)計(jì)[J].計(jì)算機(jī)工程，2018，44（09）：218223.[3]唐冬春.基于主動(dòng)表現(xiàn)模型的人臉識(shí)別算法研究[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2017（44）：226.