基於擴展稀疏表示的多姿態人臉識別研究

《基於擴展稀疏表示的多姿態人臉識別研究》是依託北京郵電大學，由鄧偉洪擔任項目負責人的面上項目。

基本介紹

• 中文名：基於擴展稀疏表示的多姿態人臉識別研究
• 項目類別：面上項目
• 項目負責人：鄧偉洪
• 依託單位：北京郵電大學

項目摘要

近年來，稀疏表示理論的研究獲得較大突破，使該理論廣泛套用到信號與信息處理的各個領域。本課題提出一種面向模式識別任務的擴展稀疏表示模型，假設高維數據可以表示為類別原型原子和類內變化原子的稀疏線性組合，從而增強傳統稀疏表示在小樣本條件下的泛化能力。在此基礎上，研究擴展稀疏表示的字典學習算法，從訓練數據中學習類別原型和類內變化的最優表示。在人臉識別套用中，本課題引入人臉三維結構和紋理的先驗信息以提高擴展稀疏表示模型對姿態變化的魯棒性，並探索稀疏表示、三維重建和姿態矯正三者之間的內在聯繫以提高識別系統的穩定性。本項目最終將形成基於擴展稀疏表示--圖像對齊疊代最佳化和基於擴展稀疏表示--三維重建--姿態矯正閉環最佳化的識別新方法，推進小樣本條件下的多姿態人臉識別難題的解決。

結題摘要

近年來，稀疏表示理論的研究獲得較大突破，使其被廣泛套用到信號與信息處理的各個領域。本課題提出一種面向模式識別任務的擴展稀疏表示模型，假設高維數據可以表示為“類別原型”原子和“類內變化”原子的稀疏線性組合，從而增強傳統稀疏表示在高維小樣本條件下的泛化能力。針對現有稀疏模型對姿態變化魯棒性不足的問題，引入人臉的三維形狀和紋理先驗信息，探索稀疏表示、三維重建和姿態矯正三者之間的相互最佳化關係以提高識別系統的穩定性。此外，借鑑近年來深度學習的技術發展，本課題利用區分性深度特徵學習方法對人臉姿態變化進行適應，在LFW等主流資料庫上達到了較高準確率。 在項目執行期間，課題組成員已在包括IEEE TPAMI、PR、CVPR在內的國際期刊和會議上發表論文56篇，項目負責人先後入選教育部“新世紀優秀人才”計畫、北京市青年英才計畫和“科技新星”計畫，並晉升正高職稱。項目組主要在圖像特徵表示理論、人臉識別算法、資料庫建設上做出了創新性成果： 1. 提出疊加線性表示和變換主成分分析等特徵表示新方法，理論解釋了稀疏表示在人臉識別中的判別性根源，增強了小樣本條件下的圖像識別率和穩定性，2篇相關論文發表在人工智慧領域權威期刊IEEE TPAMI上； 2. 提出面向多姿態人臉的系列歸一化和識別方法，在國際主流的MPIE和LFW資料庫上取得了較高準確率，6篇相關論文發表在模式識別領域著名期刊Pattern Recognition和國際會議CVPR上。 3. 發布了真實世界相似人、跨年齡、跨姿態人臉驗證的系列資料庫，系統地改進了權威LFW資料庫的不足。從人臉識別中的微小類間差異和巨大類內差異出發，保持了LFW評價準則的易用性和通用性，以更高難度的方式重新定義了LFW評測，受到國際學術界關注；通過本項目的科研工作，項目組培養了10名碩士研究生和5名在讀博士生，在稀疏表示、深度學習和人臉識別領域進行了大量有益探索，在模式識別與計算機視覺領域國際會議上發表論文近50篇，參加了18次國內外學術會議，主講了4次國際會議tutorial報告。 基於上述科研成果，項目組研製一套具有自主智慧財產權的多姿態人臉識別關鍵技術和原型系統，申請國家發明專利2項，並在與騰訊、中興通訊、滴滴出行等企業合作中得到成功套用。