稀疏流形建模及其在視頻人臉識別中的套用

《稀疏流形建模及其在視頻人臉識別中的套用》是依託華僑大學，由崔振擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：稀疏流形建模及其在視頻人臉識別中的套用
• 項目類別：青年科學基金項目
• 項目負責人：崔振
• 依託單位：華僑大學

項目摘要

非可控條件下視頻人臉識別是生物特徵識別和人機互動領域的研究熱點和難點。根據視頻序列的特點，本項目將著重研究圖像集間距離的魯棒計算這一問題。首先，以參照集為媒介，研究無監督的流形對齊方法。重點研究參照集的統計模型，基於馬爾科夫隨機場的對齊方法，圖像集空間外延。其次，充分利用視頻人臉圖像序列的兩個先驗信息：註冊集的結構性和測試樣本內部的相關性，構建雙稀疏聯合回歸模型，將稀疏和結構化稀疏統一到同一模型下。最後，從稀疏回歸的角度，提出一個流形到流形的距離框架。 點、子空間、流形兩兩之間的距離計算都可以納入這一框架。特別地，我們也將從理論和實驗上來驗證：稀疏回歸能收縮人臉圖像張成的子空間，這也是用稀疏重構殘差作為距離的優越性的根本原因。預期上述理論和方法有利於視頻人臉識別技術的發展，同時也能夠促進其在信息安全領域的套用。

結題摘要

隨著信息電子技術的快速發展，人們需要處理日益增長的多媒體資源數據。不同於傳統的少量樣本的處理任務，目前的數據處理更多的涉及到同一主題含義下大量樣本的學習，即從孤立的單張/少量樣本到數據集合作為整體的處理。對此，該項目從視頻人臉識別這一特定任務出發，以稀疏表示和流形學習作為理論基礎，從以下四個方面開展了一系列研究工作： （1）視頻序列中人臉圖像的採集。結合傳統的靜態圖像中特定目標檢測的方法，利用視頻序列的動態性和連續性，提出了分塊表觀模型與背景模型估計模型、結構化偏最小二乘等線上目標跟蹤方法，以助於視頻序列中人臉圖像的精確定位和收集。 （2）圖像集之間的對齊。提出了一種建模數據集之間關係的無監督流形對齊學習模型。該模型形式化流形對齊為包含流形表觀特徵匹配、幾何結構一致性匹配以及結構保持三個特性的混合整數規劃模型。由於其普適性，該模型可廣泛套用於解決多種計算機視覺問題。 （3）圖像集的表示。從全局的角度出發，提出了一種圖像集聯合稀疏表示的模型，將單張圖像的稀疏編碼和圖像集合的整體表示納入到一個框架下。從局部的角度出發，提出了一個統一描述靜態圖像和視頻序列的稀疏編碼局部描述子框架，該描述子通過統計建模人臉圖像/視頻序列在空間/時空體區域上的特徵表示，大幅度緩解了由於人臉圖像欠配準問題所引起的識別性能衰退現象。 （4）圖像集之間的相似性度量。首先，利用視頻序列的整體性和局部性，提出了一種以稀疏重構殘差作為圖像集距離的度量方法。其次，利用圖像集的二階特徵（協方差矩陣）的特性，提出了一種在黎曼流形上遷移協方差矩陣的方法。該方面可以推廣套用於圖像集之間的流形距離計算。最後，提出了一種局部仿射凸殼約束的自適應流形距離計算方法，將點、子空間與流形之間距離的納入到一個統一框架下。 該項目的研究工作發展和完善了稀疏和流形對圖像集表示和建模的理論。其中所提出的圖像集建模方法不僅可以套用於視頻人臉識別問題（如門禁系統和視頻監控等安全防範），還可以推廣套用於一般的模式分類問題。 該項目順利完成了預期的主要內容和目標，共發表了15篇論文和撰寫了1篇博士論文，其中包括SCI 論文7篇，國際頂級會議論文CVPR、NIPS和ECCV各1 篇。截止到目前，所發表論文的Google引用次數累計達到150次。在該項目的支持下，其負責人的博士學位論文被評為中國科學院“百篇優秀博士論文”。