基於主動感知的人臉識別研究

《基於主動感知的人臉識別研究》是依託北京郵電大學，由鄧偉洪擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於主動感知的人臉識別研究
• 項目類別：青年科學基金項目
• 項目負責人：鄧偉洪
• 依託單位：北京郵電大學

項目摘要

現行的人臉識別方法主要採用被動感知的策略，利用圖像的底層像素信息自底向上地提取特徵，使得不可控的圖像變化直接作用到人臉特徵向量中，最終導致識別錯誤。為了解決這個問題，本項目引入人臉特徵的先驗知識，利用主動感知的策略來有選擇性地提取特徵，使識別系統能夠區分正常人臉特徵和異常干擾因素。在特徵提取階段，我們建立顏色、紋理和形狀特徵的先驗統計模型，並利用這三類特徵的內在聯繫，研究在位置、尺度、方向、色度等方面具有選擇性的主動特徵提取算法。在特徵降維階段，我們同時利用通用人臉庫和候選人臉庫的特徵統計信息，研究特徵子空間的融合學習算法，提高小樣本條件下的人臉識別精度。本項目的研究成果將有助於提高人臉識別技術在複雜環境下的實用性，套用前景廣闊。

結題摘要

現行的人臉識別方法主要採用“被動感知”的策略，利用圖像的底層像素信息自底向上地提取特徵，使得不可控的圖像變化直接作用到人臉特徵向量中，最終導致識別錯誤。為了解決這個問題，本項目引入人臉特徵的先驗知識，利用“主動感知”的策略來有選擇性地提取特徵，通過合理的先驗假設和知識建模，使識別系統能夠區分正常人臉特徵和異常干擾因素。基於上述思想，本項目在新興的稀疏線性表示模型和傳統的正交線性表示模型都取得了理論突破，取得了ESRC與TIPCA兩項標誌性理論成果，克服了線性模型在實際套用中的局限性，主要內容和科學意義分述如下：在稀疏線性表示方面，本項目提出一種新穎的擴展稀疏表示（Extended Sparse Representation based Classification, ESRC）模型，首次提出“測試圖像與模板圖像之間的特徵差異可以由‘類內變化字典’來稀疏線性組合表示”的先驗假設，巧妙地解決了稀疏表示的小樣本問題。此外，“原型+變化”稀疏表示模型通過分離訓練樣本中的身份成分與類內變化成分的分離表示，解決不可控訓練樣本問題。本項目的工作不僅拓寬了稀疏表示在人臉識別問題上的適用範圍，同時驗證了稀疏性約束在人臉識別中的獨特作用。 在最優線性表示方面，本項目以“最優配準的圖像可以獲得最優線性表示”為先驗假設，把人臉配準、表示和識別三個環節統一起來，提出一種具有變換不變性的TIPCA（Transform-Invariant PCA）方法，同時獲得了人臉圖像配準精度、圖像編碼效率和識別精度上的提高。該方法以PCA為紐帶，揭示了圖像配準、表示與識別（Registration, Representation, Recognition）三者之間的內在聯繫。實驗驗證了基於整體外觀的配準圖像的編碼和識別效果，均優於目前學術界廣泛採用的基於手工標註特徵點的配準圖像。 此外，面向實際套用中的人臉特徵動態變化問題，本項目提出一種具有通用學習和增量學習的線性回歸分析方法。該算法同時利用通用人臉庫和候選人臉庫的特徵統計信息，實現特徵子空間的融合增量學習算法，提高對環境變化具有動態適應能力。 基於上述成果，課題負責人以第一作者在信息科學領域的著名期刊IEEE Trans. PAMI上發表論文兩篇，Pattern Recognition一篇，國際會議CVPR一篇。