基於稀疏表示的人臉識別研究

《基於稀疏表示的人臉識別研究》是依託電子科技大學,由孟繼成擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：基於稀疏表示的人臉識別研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：孟繼成

項目摘要

人臉識別是計算機視覺和模式識別等領域的核心課題之一，具有重要的理論和套用價值。人臉識別中的小樣本、多姿態、變光照、有遮擋等問題，對識別性能影響較大。本項目致力於有效解決上述提到的問題。主要研究利用符合視覺理論的多尺度幾何分析（Curvelet、Contourlet）與壓縮感知理論，提取人臉圖像的局部和整體特徵，獲取人臉多尺度的稀疏表示；並且用（半）張量組織不同圖像塊、不同尺度等方面的稀疏係數，利用壓縮感知、張量臉等對係數分析處理；同時，還將根據係數表示形式的特點在識別階段採用合適的距離度量準則，並利用人臉的鏡像對稱特性擴充樣本，改善識別性能。另外，針對人臉多姿態問題，提出利用壓縮回歸分析理論產生虛擬正面人臉像，進一步改善識別性能。本項目提出的方法均在公開的人臉庫上進行實驗評估和驗證。期望本項目能引起對基於視覺理論的人臉識別的更多關注，推動人臉識別、計算機視覺等領域的發展。

結題摘要

人臉識別是計算機視覺和機器學習等領域的核心課題之一，具有重要的理論和套用價值。人臉識別中的小樣本、多姿態、變光照、有遮擋等問題，對識別性能影響較大。本項目基於稀疏表示，致力於有效解決上述提到的人臉識別中的問題。本項目主要研究了利用符合視覺理論的多尺度幾何分析（Curvelet、Contourlet）與壓縮感知理論，提取人臉圖像的局部和整體特徵，獲取人臉多尺度的稀疏表示；並且用（半）張量組織不同圖像塊、不同尺度等方面的稀疏係數，利用壓縮感知、張量臉等對係數分析處理；同時，還根據係數表示形式的特點在識別階段採用合適的距離度量準則，並利用人臉的鏡像對稱特性擴充樣本，改善識別性能。另外通過對利用Curvelet和Contourlet提取的人臉識別特徵係數的分析，根據最新相關研究成果，研究綜合利用相位和尺度信息。提出穩定稀疏二維主分量分析方法，並採用分層的思想提出基於張量分析的分層匹配分類器。經過3年的研究，結合目前機器學習最新進展，並受分層等思想的啟發，我們發現了一個重要和普遍的規律。即有序性在機器學習中的核心地位。傳統的機器學習過分強調特徵提取和分類識別方法對識別性能的重要影響，而對特徵的組織利用，即對本項目開始提出對係數分析對識別性能影響研究的太少。傳統的認知科學（視覺理論）認為人腦是操作處理數據和符號的形式系統。最新的認知科學理論更傾向於關聯分析，主張認知是具身的，是有機體在於外界的互動中產生的，並且在互動後通過某種結構即序形成的。隨著研究的深入我們也逐漸意識到，對係數的分析即對特徵的有序組織應該對機器學習有著舉足輕重的作用。再基於考慮目前在計算機視覺及人臉識別方面有著很好性能的機器學習方法，大膽提出了有序性，即將特徵有序的進行組織，應該成為未來機器學習的核心問題。這些成果大都已在公開的人臉庫上進行實驗評估和驗證並提交研究論文。期望本項目能引起對基於視覺理論的人臉識別、基於有序性的機器學習等的更多關注，推動人臉識別、計算機視覺及機器學習等領域的發展。