人脸的品质评估算法国内外研究现状和参考广场

目前，对人脸的品质评估可大致分为主观评价和客观评价[22]，其中，主观评价方式需要人工对采集图像进行主观判断，这种方式虽然可以有效利用人类的视觉提升

准确率，但由于人工操作的局限性，主观评价显然在许多场合并不适应，相比之下，自动化的客观评价效率更高，因此，实际评估时多采用客观评价，目前的研究方向也多集中于此。

针对客观评价，国际上对于评价所用图像已有成文规定，如国际化组织在 2005 年通过的 ISO/IEC 19794-5 标准。其中对图像的大小，清晰度，对比度，拍摄方式，拍摄时的光源位置与光照条件，拍摄对象穿戴，表情，姿态等都做了详细的要求。针对这些要求，研究人员们提出了多种品质评估的方式。 68525

很多研究者使用了光照归一化的方式来提高准确率[18]，[19]，但是在图像光照条件良好的情况下，对图像进行光照归一化可能会导致新的不精确出现[11]。因此，研究者试图通过某些量化的能客观体现图像品质的指标，对图像的品质进行评估，以决定是否对其进行归一化，在 Sellahewa 和 Jassim 的研究中[12]，[13]，他们通过对基于小波的方案应用基于品质的自适应方法，引入普通品质指数，全局品质指数，局部品质指数等参数，来衡量一幅图像在某个或多个特定方面的品质，从而决定是否应该对该图像进行光照归一化。其实验结果向我们证明了，在考虑到图像本身的光照条件的情况下来决定是否归一化，会得到比传统的光照归一化更好的效果和更高的精确度。而对姿态和表情的处理则是更加复杂的一个问题，在采集的图像中，采集对象的姿态，眼睛和嘴巴的开合，都会影响图像的品质，从而影响精确度，相比光照的量化指标数量论文网，对姿态和表情的处理涉及到的因素更多，因此所需的指标也更多，在[17] 中，Long 等研究人员采用分析嘴唇，上下眼皮间距离，以及双眼距离等方法，判断人的表情状态及头部姿态，得出量化的品质指标，并与光照等其它品质指标综合，从而对图像品质做出评估。这种针对距离上的几何特征的评估方式也是目前比较常用且容易实现的对姿态的评估方式之一。

参考文献

[1] Turk, Matthew, and Alex Pentland. "Eigenfaces for recognition." Journal of cognitive neuroscience 3(1), 1991: 71-86.

[2] Belhumeur, Peter N., João P. Hespanha, and David Kriegman. "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection.", IEEE Trans.Pattern Analysis and Machine Intelligence,19(7), 1997: 711-720.

[3] Kearns, Michael, and Leslie Valiant. "Cryptographic limitations on learning Boolean formulae and finite automata." Journal of the ACM (JACM) 41(1), 1994: 67-95.

[4] Freund, Yoav, and Robert E. Schapire. "A desicion-theoretic generalization of on-line learning and an application to boosting." Computational learning theory. Springer Berlin Heidelberg, 1995.

[5] P. Viola, M. Jones. Rapid object detection using a boosted cascade of simple features[C]. In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1(1), 2001: 511-518.

[6] P.Viola,and M.J.Jones, “ Robust real-time face detection, ” International Journal of Computer Vision, 57(2), May, 2004: 137- 154.

[7] Georghiades, Athinodoros S., Peter N. Belhumeur, and David Kriegman. "From few to many: Illumination cone models for face recognition under variable lighting and pose." IEEE Trans.Pattern Analysis and Machine Intelligence, 23(6), 2001: 643-660. 人脸的品质评估算法国内外研究现状和参考广场:http://www.youerw.com/yanjiu/lunwen_77090.html