旋转均值跳动特征及其在模糊人脸识别中的应用

计算机工程与科学

旋转均值跳动特征及其在模糊人脸识别中的应用

钟国韵,王檬檬,汪宇玲,常艳荣,吴忠粱

(东华理工大学江西省放射性地学大数据技术工程实验室，江西南昌 330013)

收稿日期:2019-06-28 修回日期:2019-09-24 出版日期:2020-03-25 发布日期:2020-03-25
基金资助:
国家自然科学基金(61402102)；江西省自然科学基金(20171BAB202005)；江西省教育厅科技项目(GJJ170443,GJJ170432)；江西省图像处理与模式识别重点实验室开放基金（ET201880042）；江西省核地学数据科学与系统工程技术研究中心开放基金(JETRCNGDSS201802)；江西省放射性地学大数据技术工程实验室开放基金(JELRGBD201701,JELRGBDT201804)

A rotation mean pulsation feature extraction method

and its application in fuzzy face recognition

ZHONG Guo-yun,WANG Meng-meng,WANG Yu-ling,CHANG Yan-rong,WU Zhong-liang

(Jiangxi Radioactive Geoscience Large Data Technology Engineering Laboratory,

East China University of Technology,Nanchang 330013,China)

Received:2019-06-28 Revised:2019-09-24 Online:2020-03-25 Published:2020-03-25

摘要/Abstract

摘要：

针对目前监控摄像头由于远距离拍摄导致模糊人脸识别率欠佳的问题，提出了具有“有序”全局结构性特征的旋转均值跳动特征提取算法。该算法在图像每条垂线上按照从上至下的顺序等分选择若干采样点，运用均值跳动的方法进行编码，计算每条垂线上所有值不为0的像素的平均值，按顺序将选取的若干采样点像素值和平均值进行比较，并依次编码，生成1个8位二进制数，其对应十进制值的范围与像素值范围相同，该十进制数为整条垂线上的特征值，从而提取出描述每条垂线的纹理特征信息。结合图像预处理和直方图归一化实现对纹理图像融合特征信息提取。实验结果表明，该算法相比深度学习在模糊人脸识别方面有了明显提升。

关键词: 人脸识别, 特征提取, 均值跳动, 结构性特征, 全局特征

Abstract:

Aiming at the problem of poor recognition rate of blurred face caused by long-distance shooting of surveillance cameras at present, a method for extracting the pulsation feature of rotational mean with orderly global structural characteristics is proposed. In this method, several sampling points are selected equally on each vertical line of the image according to the order from top to bottom, and the mean pulsation method is used for coding. Firstly, the average values of all non-zero pixels on each vertical line are calculated, and the pixel values and average values of selected sampling points are compared and coded in turn in order to generate an 8-bit binary number. The range of the decimal values is the same as the range of the pixel values. The decimal number is the characteristic value of the whole vertical line, so the texture feature information describing each vertical line is extracted. Texture image fusion feature information is extracted by combining image preprocessing with histogram normalization. The experimental results show that the proposed method obviously outperforms deep learning in the field of fuzzy face recognition.

Key words: face recognition, feature extraction, mean pulsation, structural characteristics, global characteristics

钟国韵,王檬檬,汪宇玲,常艳荣,吴忠粱. 旋转均值跳动特征及其在模糊人脸识别中的应用[J]. 计算机工程与科学.

ZHONG Guo-yun,WANG Meng-meng,WANG Yu-ling,CHANG Yan-rong,WU Zhong-liang.

A rotation mean pulsation feature extraction method

and its application in fuzzy face recognition

[J]. Computer Engineering & Science.

[1]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[2]	崔浩, 万亚平, 钟华, 聂明星, 肖杨. 基于LoRa设备的人体活动识别研究[J]. 计算机工程与科学, 2024, 46(01): 111-121.
[3]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[4]	陈巩, 李占利, 朱莉. 多尺度深度特征融合的个人信用风险预测[J]. 计算机工程与科学, 2023, 45(12): 2265-2273.
[5]	周成江, 贾云华, 张雨宽, 禄俊. 基于FCEEMD复合筛选的故障特征提取方法[J]. 计算机工程与科学, 2023, 45(11): 2070-2077.
[6]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[7]	任拓, 闫玮, 况立群, 谢剑斌, 谌钟毓, 高峰, 郭锐, 束伟, 谢昌颐. 基于多对抗性鉴别网络的人脸活体检测[J]. 计算机工程与科学, 2023, 45(09): 1611-1620.
[8]	张建伟, 周亚同, 史宝军, 何昊, 王文. 基于SSD算法的轻量化仪器表盘检测算法[J]. 计算机工程与科学, 2022, 44(08): 1418-1425.
[9]	刘云, 郑文凤, 张轶. 代价约束算法对入侵检测特征提取的优化研究[J]. 计算机工程与科学, 2022, 44(03): 447-453.
[10]	严春满, 张昱瑶, 张迪. 改进标签一致KSVD字典学习的人脸识别算法[J]. 计算机工程与科学, 2022, 44(02): 291-297.
[11]	谈恩民, 王晨. 基于表征学习的模拟电路故障诊断[J]. 计算机工程与科学, 2022, 44(01): 27-35.
[12]	姬子恒, 王斌. 基于深度学习的草图检索方法研究进展[J]. 计算机工程与科学, 2021, 43(12): 2190-2205.
[13]	王鑫, 廖祎玮, 赵国生, 王健, 谢宝文. 一种面向任务需求的群智感知任务分配模型[J]. 计算机工程与科学, 2021, 43(08): 1512-1520.
[14]	孙雨浩, 陶洋, 胡昊. 基于判别低秩矩阵恢复和协同表示的遮挡人脸识别[J]. 计算机工程与科学, 2020, 42(12): 2199-2207.
[15]	张永梅, 滑瑞敏, 马健喆, 胡蕾. 基于深度学习与超分辨率重建的遥感高时空融合方法[J]. 计算机工程与科学, 2020, 42(09): 1578-1586.