一种鲁棒的多态人脸识别算法
2015-10-14赵继东李晶晶
赵继东,李晶晶,鲁 珂,吴 跃
一种鲁棒的多态人脸识别算法
赵继东,李晶晶,鲁 珂,吴 跃
(电子科技大学计算机科学和工程学院 成都 611731)
如何处理人脸识别中的多态性一直是人脸识别领域的一个难题。传统的图嵌入算法忽视了同类中多态子类间的同属关系,而且也没有恰当地处理异类间的区别信息。该文提出一种鲁棒的图嵌入人脸识别算法,该算法可以恰当地模拟同类中的多态间关系,而且能在局部流形结构与全局区别信息间实现平衡。基于多个公开数据库的人脸识别实验证明了该方法的有效性。
人脸识别; 图嵌入; 流形学习; 多态信息
与大多数图像识别任务一样,人脸识别也经常面临“维数灾难”[1]问题,这时最常见的处理办法是使用降维技术。特征选择和子空间学习是两种经常使用的降维技术。
主成分分析(principal component analysis,PCA)、Fisher判别式分析(fisher discriminant analysis, FDA)、保局投影(locality preserving projections,LPP)[2]是3种典型的子空间学习算法。尽管PCA和FDA已经在很多应用领域成功使用,但它们处理非线性数据的效果却不太理想。在面对非线性数据时,具有流形学习能力的LPP明显优于PCA和FDA。尽管上述3种方法的原理有所不同,但可以把它们统一在一个通用的图嵌入框架下[3]。为了更好地保留标记信息,文献[4-6]提出了基于FDA的一些图嵌入方法,它们在存在标记样本集的一些场合具有优异的性能。在图像识别领域,多态图像(人脸、交通信号、手写文字等)识别[7-9]一直是一个研究热点。在多态人脸识别环境中,可以把同一类别人脸中具有同一模态的样本称为一个多态子类,如暗光、遮挡、侧脸可以为3个不同的模态。……
