在JPEG压缩域使用量化系数的低复杂度有效的脸部识别方法

1、在在JPEG压缩域使用量化系数的压缩域使用量化系数的低复杂度、有效的低复杂度、有效的脸部识别方法脸部识别方法报告人报告人：任课老师任课老师： 问题提出问题提出 研究现状研究现状 算法原理算法原理 实验结果与分析实验结果与分析 总结与展望总结与展望问题的提出 计算及空间复杂性和存储空间是设计人脸识别系统的一个最重要的问题。 随着生物计量系统的发展，对各种各样的数据（包括视频、声频、图像以及ASC码等），有着不同的压缩方法和标准。这些压缩标准可以有效的提高生物计量系统的存储空间利用率。 JPEG是一种有损压缩，编码过程中原图像的一部分信息被消除，这些遗漏的信息会降低识别效果。 在人脸识别系统中，已

2、压缩图像必须完全解压缩，这就意味着在识别过程带来了相当大的计算量。能不能在压缩域进行脸部识能不能在压缩域进行脸部识别呢？用什么方法呢？效果别呢？用什么方法呢？效果怎么样？怎么样？ .研究现状研究现状 在在JPEG压缩域进行人脸识别的研究：压缩域进行人脸识别的研究： DCT变换系数被作为隐马尔科夫识别算法的输入 使用这些系数可以在识别率上获得6%的提高 基于DCT识别系数，采用LDA和PCA特征提取方法的研究 在第一级别率上改善了约8% 使用了FERET数据库和Cityblock距离测量的特征以及余弦距离测量的ICA。 在压缩域使用DCT系数可以提高识别率。 在上述的研究中，脸部识别是使用DCT

3、系数来完成的。本文提出的方法：在转换量化阶段使用本文提出的方法：在转换量化阶段使用量化系数来进行脸部识别。量化系数来进行脸部识别。这样，在这样，在JPEG解压时，除了解压时，除了DCT转换其转换其他反向量化都可以免了。他反向量化都可以免了。 使用的数据库使用的数据库 FERET是本研究中使用的一个脸部图像数据库。使用数据库中尺寸为384*256像素，256灰度级/像素，8bit/像素的灰度图像算法原理算法原理算法框图算法框图JPEG压缩计算探测图像与参考图像的空间距离用方差分析法预选系数图像标准化与配准用主元分析法预选系数选择所有系数在反转系数前解码已压缩图像排名及评估A.图像标准化与配准图像

4、标准化与配准 在识别过程之前，脸部图像应该要归一化处理，这样可以减少多余元素带来的不良影响。 图像尺寸修改为152*128像素。 使用直方图均衡来调节图像的对比度。具体实现具体实现 B. JPEG压缩压缩具体实现具体实现 C.主元分析预选系数主元分析预选系数 给定一个S维的向量来表示一个训练集图像中的每个脸部，PCA就会找到一个基本矢量与源图像最大方差相关的t维的子空间。具体实现具体实现D. 方差分析预选系数方差分析预选系数 脸部图像中方差越高所含的信息量越大 1196张参考图像用来计算图像的所有坐标的方差，选择最高方差的系数具体实现具体实现 E. 距离测量距离测量 在不同情况下在这些度量法之

5、间选择最合适的度量是这篇文章的目标之一，下面是几种度量方法： （1）Citybiock具体实现具体实现 E. 距离测量距离测量 （2）欧几里德距离 （3）余弦距离具体实现具体实现 E. 距离测量距离测量 （4）标准相关距离具体实现具体实现 F. 排序及性能评估排序及性能评估在压缩域计算了输入人脸图像（探测图像）与参考图像之间的距离之后，获得了一个排序的队列L=L1，L2，, Ln，其中L1是参考图像集中与探测图像具有最大相似性的那幅图像，Ln是最小相似度的那幅图像。 识别的等级n的计算：Rn是在等级n的图像检测聚集中正确识别的数目，|P|是检测图像的总数。具体实现具体实现 F. 排序及性能评估

6、排序及性能评估 另一个评估度量方法是累计识别等级n 其中：具体实现具体实现实验结果与分析实验结果与分析使用所有的量化系数方法所有的量化系数方法用不同的距离测试方法不同的距离测试方法测试四个数据集Fb，Fc，Dup1和Dup2. RR1和CRR20分别显示了第一级识别和累计等级识别到20th等级.下图红色圈起的是每个数据集中的最好结果。可以看到，使用斯皮尔曼相关度量法效果更好。实验结果与分析实验结果与分析在量化系数上使用使用PCA法法显示，与上图的斯皮尔曼相干度量法得到的结果相比，使用PCA减少了识别等级。实验结果与分析实验结果与分析对4个数据集使用方差分析方差分析法对不同数目的预选系数，用CI

7、TYBLOCK距离度量距离度量法识别率如下。与PCA方法相反，使用方差分析法的系数预选方法提高了识别结果。 所提方法与其他方法的比较所提方法与其他方法的比较：可以看到，所提出的方法胜于其他三个线性子空间方法，即PCA，LDA和ICA实验结果与分析实验结果与分析 计算及空间复杂度分析计算及空间复杂度分析 原空间复杂度：原空间复杂度：假设图像的像素为N，参考图像的数目为G，探测图像的所有像素与参考图像中的所有与之相关的像素进行比较，那么在匹配阶段中这个方法的时间复杂度阶就相当于O（NG）每图像。 改进的空间复杂度改进的空间复杂度：用P（PN）系数的系数预选方法，只有P个系数比较，而不是N个系数。则

8、计算和空间复杂度阶将为O（PG） 在程序运行时间的一个N/P的加速比和在运行识别算法所需存储空间的一个P/N的减少率。实验结果与分析实验结果与分析 与解压的计算复杂度相关的改善与解压的计算复杂度相关的改善原解压的复杂度原解压的复杂度：熵编码O（N log N），系数变换O(N)以及DCT转换(N2)。改进的复杂度改进的复杂度：排除DCT变换和系数转换阶段，所提出方法的复杂度比其在像素域的识别复杂度低O(N2+N)，比其在其他压缩域识别方法低O(N)。实验结果与分析实验结果与分析 总结总结 在JPEG解压图像中使用量化系数的脸部识别结果是令人满意的，避免系数转换和DCT变换可以使计算复杂度降低至O(N2+N)，而不会导致识别效果显著降低