张 丹

(中国西南电子技术研究所,成都 610036)

一种融合流形学习的视频人脸性别识别改进算法

张 丹

(中国西南电子技术研究所,成都 610036)

如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别的关键所在。提出了一种基于流形学习的视频人脸性别识别算法。该算法不仅可以通过聚类融合学习来挖掘视频内在的连续性信息,同时能发现人脸数据中内在非线性结构信息而获得低维本质的流形结构。在UCSD/Honda和自采集数据库上与静态的算法比较结果表明,所提算法能够获得更好的识别率。

视频人脸性别识别;流形学习;聚类融合;保局投影;支持向量机

1 引 言

人脸性别识别一直是模式识别和机器学习领域一个长期研究的热点问题,当前已经取得了巨大的发展。在特征提取方面,比较成熟算法有主成分分析法(Principal Component Analysis,PCA[1-2])、线性分类判别(Linear Classification Discriminant,LDA)[2]和保局投影算法(Locality Preserving Projections,LPP)[3]。对于像人脸数据这样的高维非线性数据,如何将高维数据有效地表示在低维空间中,并由此发现其内在流形结构是高维信息处理研究的关键问题[4]。LPP算法是拉普拉斯特征映射(Laplacian Eigenmaps,LE)的线性逼近,在剧烈降维方面有很好的效果,可以发现人脸数据的本质低维流形结构。在分类匹配方面,比较成熟的有最近邻分类器、支持向量机(Support Vector Machine,SVM)[5]和Adaboost[6]分类器。SVM致力于小样本高效分类,Adaboost则侧重实时应用。

由于诸如视频聊天的盛行和摄像头的普遍使用,使得视频成为最主要的媒体介质,因而在近几年来基于视频的人脸识别[7-8]中得到了广泛的关注。……