使用素描图像识别人脸

使用素描图像识别人脸

说明

论文《Face Photo Recognition Using Sketch》(Xiaoou Tand and Xiaogang Wang)中提出了一种算法，实现人脸照片与素描图像之间的识别。测试数据集：(CUHK Face Sketch Database (CUFS))。依照此算法，实现的代码见github上corfox/FPRUS or csdn code or git oschina。

算法步骤

1. 记 {Q1,Q2,…,QM} 是训练图像集，计算均值

   Qu=1M∑i=1MQi
   ，其中 M 是训练图像集中的图像数目。记训练集的素描图像(sketch)为 {S1,S2,…,SM} 。

2. 将训练图像集中的每张图像减去均值 Pi=Qi−Qu ，获得去中心化的训练集 {P1,P2,…,PM} 。

3. 将每张图像矩阵拉伸为一个列向量(或行向量)。假设每张图像都有 N 个元素，则获得 N×M 的矩阵 P=[P→1,P→2,…,P→M] 。

4. 获得训练集的协方差矩阵 W=PPT ，计算其特征向量。然而，因为通常图像的像素数目 N 大于训练集的图像数 M ， W 的秩数仅为 M−1 (训练集图像中的图像有必定的相关性)。因此，计算 PTP 的特征向量更为简便。推理以下：
   

   (PTP)Vp=VpΛpP(PTP)Vp=PVpΛp(PPT)PVp=PVpΛpWPVp=PVpΛp
   
   其中， Vp 是特征向量组成的矩阵； Λp 是特征值组成的对角矩阵。那么， W 的特征向量即是 PVp ，特征值是 Λp 。

5. 由步骤4，能够计算获得 W 的标准正交特征矩阵(orthonormal eigenvector matrix)为 Ep=PVpΛ12p ( N 行 M 列)。

6. 对于一张新的人脸相片(face photo) Qk ，去中心化获得 P→k 。而后，计算其在特征空间上的投影系数 b→p=ETpP→k ，将其做为用于分类的特征矢量。

7. 再用 b→p 反过来重构 Qk 的重构图像 P→r=Epb→p 。由 Ep=PVpΛ12 ，获得重构系数以下：

   cp=VpΛ12pb→p=[cp1,cp2,…,cpM]
   
   因而，重构图像能够表示为：
   P→r=Pcp=∑i=1McpiP→i

8. 由步骤7，知能够经过训练集的线性组合来表示重构的图像，系数 cp 描述了每张训练图像的贡献权重。类比，描述其重构图像为

   S→r=∑i=1McpiS→i

9. 经过以上步骤，便将不一样模态(modality)的相片(Photo)与素描图(sketch)转换为同一模态下，即同为素描或同为相片来进行识别。理论上说，通常经常使用的识别算法均可以用来对此进行识别。

测试结果

下图是重构的效果图

识别率

下面是测试的识别率结果

原论文中的识别率以下，差异仍是挺大的。

参考资料

1. 《Face Photo Recognition Using Sketch》, Xiaoou Tang and Xiaogang Wang, 2002, ICIP.