基於稀疏表示和社會環境信息的人臉識別方法研究

項目摘要

傳統的人臉識別方法在姿態、光照和表情變化等情況下，識別性能會受到較大的限制，最近一些工作表明諸如衣服和社會關係等環境信息(context information)對解決該問題至關重要，並且基於稀疏表示的方法對人臉的遮擋和像素污染等具有魯棒性。本項目旨在研究基於稀疏表示和社會環境信息的人臉識別方法。首先，採用基於稀疏表示的維數約簡，尋找樣本較好的低維表達；其次，採用基於稀疏表示的分類器，將未知標號樣本分類為已知類別或者不屬於任何已知類別；對於不屬於任何已知類別的樣本，根據共同存在信息構建一種社會環境描述子，從而充分利用其社會環境信息；最後，依據社會環境描述子和低維表達來定義相似性，並採用基於稀疏表示的譜聚類算法對不屬於任何已知類別的人臉數據進行聚類，以實現人臉識別。本項目的研究和深化將對稀疏表示、社會環境信息和人臉識別的理論和算法研究有所貢獻，並具有廣闊的套用前景。

結題摘要

傳統的人臉識別方法在姿態、光照和表情變化等情況下，識別性能會受到較大的限制，最近一些工作表明諸如衣服和社會關係等環境信息對解決該問題至關重要，並且基於稀疏表示的方法對人臉的遮擋和像素污染等具有魯棒性。針對上述研究內容，我們開展了一系列的工作，取得了主要研究成果為: (1) 提出了一種名為判別稀疏鄰域保持嵌入(DSNPE)的人臉識別方法。大多數稀疏子空間學習方法是無監督的，不適合分類。我們通過將判別信息添加到稀疏鄰域保持嵌入(SNPE)，進而提出了一種名為判別稀疏鄰域保持嵌入的人臉識別方法。DSNPE不僅保持了SNPE的稀疏重建關係，而且從以下兩個方面添加了全局的判別信息：加入最大邊沿準則；僅僅使用同類的訓練樣本來計算稀疏重建關係。在三個人臉資料庫上的實驗結果表明我們的方法是非常有效的。(2) 在多視角學習方面，沒有一種特徵能夠令人滿意地刻畫一個圖像的語義概念。多視圖學習的目標是統一不同類型的特徵來產生一種一致的和有效的表達。我們重新定義了塊對齊框架並且開發了一種新的組稀疏的多視角塊對齊框架。這個新的部件最佳化不僅僅考慮了各個視角的互補信息，也考慮了各個視角的一致性。特別地，視角一致性對所有可能的任意兩個視角的相關性進行建模。傳統的降維方法獨立地執行特徵抽取和特徵選擇，我們的方法通過L2,1範數使得投影矩陣是行稀疏的，實現了同時的特徵選擇和特徵抽取，使得算法更具判別性。在兩個現實世界數據集上的實驗結果表明我們的方法在圖像分類上的有效性。(3) 針對傳統的人臉識別方法在姿態、光照和表情變化等情況下，識別性能會受到較大的限制，最近一些工作表明諸如衣服和社會關係等環境信息對解決該問題至關重要。我們提出一個稀疏學習方法套用於含有環境信息的人臉識別。(4) 提出了基於譜回歸的判別分析(SRDA)和核化的譜回歸的判別分析(SRKDA)正則化參數估計方法。SRDA是最近提出的一種有效的子空間學習方法，只有一個自由參數，即正則化參數。然而這個參數被設定為常數，這顯然是次優的。我們基於擾動的線性判別分析準則提出一種新的方法，來估計SRDA的正則化參數。此外，我們還提出了兩種方法來估計SRKDA的正則化參數。在人臉等資料庫上的實驗結果表明我們的方法是非常有效的。以上述成果為核心，在國際知名期刊與一流國際會議上發表了一系列論文，包括TIP兩篇，TCSVT一篇

基於稀疏表示和社會環境信息的人臉識別方法研究

基本介紹

項目摘要

結題摘要

相關詞條

熱門詞條