1、在計(jì)算機(jī)視覺(jué)領(lǐng)域，人臉驗(yàn)證是生物特征識(shí)別的一個(gè)重要方面，也是研究熱點(diǎn)之一，在檔案管理系統(tǒng)、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、公安系統(tǒng)的罪犯身份識(shí)別、銀行和海關(guān)的監(jiān)控、人機(jī)交互等領(lǐng)域具有廣闊的應(yīng)用前景。本文針對(duì)目前人臉驗(yàn)證存在的年齡變化以及特征表示問(wèn)題，結(jié)合深度學(xué)習(xí)以及屬性預(yù)測(cè)方法進(jìn)行了幾種跨年齡人臉驗(yàn)證方法的研究。
　　本研究主要內(nèi)容包括：⑴針對(duì)純傳統(tǒng)手工設(shè)計(jì)的特征不足以很好表征人臉的問(wèn)題，提出自動(dòng)特征學(xué)習(xí)與手工特征相結(jié)合的跨年齡人臉驗(yàn)證

2、方法。該方法首先利用9層深度卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)地學(xué)習(xí)跨年齡人臉的抽象特征。然后為了充分利用深度神經(jīng)網(wǎng)絡(luò)抽象特征描述和手工特征所具有的強(qiáng)針對(duì)性表示對(duì)改善人臉驗(yàn)證精度的互補(bǔ)性，融合深度網(wǎng)絡(luò)中全連接層抽象特征和手工設(shè)計(jì)的LBP特征，形成跨年齡人臉特征矢量，最后采用余弦相似度進(jìn)行人臉判別。在公開(kāi)的跨年齡人臉數(shù)據(jù)集CACD和無(wú)約束條件下的人臉數(shù)據(jù)集LFW上的對(duì)比實(shí)驗(yàn)表明，提出的方法在人臉驗(yàn)證準(zhǔn)確率上有了一定程度的提升，同時(shí)在不同年齡區(qū)間的實(shí)驗(yàn)表明，

3、年齡間隔越大人臉驗(yàn)證準(zhǔn)確率越低。⑵針對(duì)視覺(jué)特征不具有語(yǔ)義表達(dá)能力，無(wú)法很好解決無(wú)約束環(huán)境下人臉存在光照變化以及姿態(tài)變化的問(wèn)題，提出基于低層特征屬性預(yù)測(cè)的跨年齡人臉驗(yàn)證方法。該方法在基于多種低層特征進(jìn)行特征選擇的基礎(chǔ)上，利用Adaboost進(jìn)行人臉屬性預(yù)測(cè)并依據(jù)預(yù)測(cè)的屬性利用SVM分類器進(jìn)行人臉驗(yàn)證。LFWA數(shù)據(jù)集中的人臉圖像存在著明顯的年齡變化，在LFWA人臉屬性數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，提出的方法獲得了較高的人臉屬性預(yù)測(cè)準(zhǔn)確率，同時(shí)在測(cè)

4、試集上采用屬性特征進(jìn)行交叉驗(yàn)證取得了91.26％的平均人臉驗(yàn)證準(zhǔn)確率，相對(duì)于比較的4種方法有了5%的提升，在MORPH跨年齡人臉數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)表明，本文提出的方法與其他方法相比具有較低的相等錯(cuò)誤率。⑶針對(duì)低層特征屬性表達(dá)比較單一以及語(yǔ)義信息不豐富的問(wèn)題，提出高層抽象特征和低層特征屬性相結(jié)合的人臉驗(yàn)證方法。該方法首先利用深度網(wǎng)絡(luò)自學(xué)習(xí)的高層抽象特征進(jìn)行屬性預(yù)測(cè)，然后采用加權(quán)融合策略將高層抽象特征學(xué)習(xí)的屬性與前面第三章已研究的低層特征屬

5、性進(jìn)行融合形成一個(gè)新的屬性特征表達(dá)，最后利用SVM進(jìn)行不同年齡人臉驗(yàn)證。CelebA數(shù)據(jù)集和LFWA數(shù)據(jù)集中的人臉圖像均存在明顯的年齡變化，在CelebA數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)表明，提出的方法在屬性預(yù)測(cè)準(zhǔn)確率上有了進(jìn)一步的提升，在LFWA數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明人臉驗(yàn)證準(zhǔn)確率達(dá)到了94.30%，相比于基于純手工特征的屬性提取方法有了3%的準(zhǔn)確率提升，同時(shí)，在MORPH數(shù)據(jù)集上的跨年齡人臉驗(yàn)證實(shí)驗(yàn)相較于第三章的方法取得更低的相等錯(cuò)誤率，最后，C