《視覺感知啟發的單樣本人臉特徵表示與識別方法研究》是依託河海大學,由劉凡擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:視覺感知啟發的單樣本人臉特徵表示與識別方法研究
- 項目類別:青年科學基金項目
- 項目負責人:劉凡
- 依託單位:河海大學
項目摘要,結題摘要,
項目摘要
人臉識別技術發展至今已經取得了顯著進展,但非可控條件下的人臉識別仍然存在很多問題有待解決,而單樣本問題則進一步加大了非可控人臉識別的難度。人類視覺感知系統具有強大的人臉識別能力,本項目擬借鑑其工作原理和現象對單樣本人臉識別中的若干關鍵問題展開研究。首先,研究符合視覺感知的人臉特徵表示方法以縮小單樣本情況下的“語義鴻溝”,構建特徵表示與分類一體化框架以有效關聯人臉識別的兩個關鍵步驟;其次,利用圖像局部結構信息,研究適應單樣本的低秩表示模型,通過塊稀疏和流形結構增強鑑別能力;最後,基於人類視覺在人臉識別過程中的工作特點,研究全局與局部信息的有效融合,包括設計基於熵理論的信息融合框架、建立融合全局與局部信息的稀疏表示模型,從而推動單樣本人臉識別中混合方法的理論研究。本項目將在理論上推動單樣本人臉識別技術的發展,並在實際中促進單人臉識別系統的推廣和套用。
結題摘要
人臉識別技術發展至今已經取得了顯著進展,但非可控條件下的人臉識別仍然存在很多問題有待解決,而單樣本問題則進一步加大了非可控人臉識別的難度。人類視覺感知系統具有強大的人臉識別能力,本項目擬借鑑其工作原理和現象對單樣本人臉識別中的若干關鍵問題展開研究。首先,針對單樣本情況下人臉的特徵表示與高層類別信息間存在“語義鴻溝”問題,本項目提出了一種基於半監督子塊聯合回歸的單樣本人臉識別方法,將特徵表示過程融入到線性回歸過程中,通過對映射矩陣加入L21範數約束實對特徵的稀疏選擇和描述,該算法通過線性回歸搭建特徵表示與分類一體化框架,將特徵表示和分類兩個傳統上獨立的人臉識別步驟融合到一個模型中,該方法同時提出了利用測試樣本學習人臉變化的思想,並從理論上證明了通過等距嵌入可以去除測試人臉圖像中的人臉變化對分類的影響。其次;項目組從語義的角度出發提出了一種基於多階段K近鄰協同表示編碼的詞袋模型,該方法可以提取中層語義特徵,弱化高層語義和底層特徵間的語義鴻溝以提升單樣本情況下的人臉識別性能。然後,項目組提出了一種基於塊稀疏結構的低秩通用表示學習方法,首次將低秩表示套用於了單樣本人臉識別領域,並同時利用了測試數據集的結構信息和通用數據集的變化信息,解決了單樣本情況下單張人臉圖像無法描述其所對應的子空間和低秩過程導致的鑑別性降低的問題。最後,項目組提出了一種同時利用數據的全局與局部結構的結構化的稀疏表示方法,通過對所有局部塊的聯合求解來解決傳統的局部方法對每個局部子圖像單獨分類所導致的多個局部子圖像間的潛在關係被忽視的問題。以上研究成果都是在人類視覺感知啟發下提出的,有利於推動單樣本人臉識別技術的理論發展,促進單樣本人臉識別技術的實際套用與推廣。