×

人脸识别的分数阶奇异值分解表示。 (英语) Zbl 1119.68410号

人脸表示(FR)在人脸识别中起着典型的重要作用,近年来,主成分分析(PCA)和线性判别分析(LDA)等方法受到了广泛关注。然而,尽管取得了成功,这些FR方法在表情、光照、遮挡等面部变化较大的情况下,不可避免地会导致分类性能较差,因为它们操作的图像灰度值矩阵对这些面部变化非常敏感。在本文中,我们注意到每个图像矩阵都可以具有众所周知的奇异值分解(SVD),并且可以看作是由SVD生成的一组基图像的组合,我们进一步指出,领先的基图像(对应于大奇异值的基图像)一方面对上述面部变化敏感,另一方面控制着面部图像的构成。然后基于这些观察结果,我们通过一个参数(alpha)巧妙地缩小了面部变化敏感基图像的权重,并提出了一种新的分数阶奇异值分解表示法(FSVDR)来缓解面部变化以进行人脸识别。最后,我们的实验结果表明,FSVDR可以:(1)有效地缓解面部变化;(2)为许多FR方法(如PCA和LDA)形成中间表示,以显著提高其在面部变化较大的情况下的分类性能。

MSC公司:

68吨10 模式识别、语音识别

软件:

费雷特;AR面
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 布鲁斯,V。;Hancock,P.J.B。;Burton,A.M.,《人脸识别:从理论到应用》(1998),Springer:Springer Berlin
[2] Chellappa,R。;威尔逊,C.L。;Sirohey,S.,《人脸的人类和机器识别:一项调查》,Proc。IEEE,83,5,705-740(1995)
[3] Kong,S.G.公司。;Heo,J。;Abidi,B.R。;派克,J。;Abidi,M.A.,《视觉和红外人脸识别的最新进展——综述》,计算机。视觉图像理解,97,1,103-135(2005)
[4] 赵伟。;Chellappa,R。;Phillips,P.J。;Rosenfeld,A.,《面部识别:文献调查》,ACM Compute。调查。,35, 4, 399-458 (2003)
[5] 布鲁内尔,R。;Poggio,T.,《人脸识别:特征与模板》,IEEE Trans。模式分析。马赫。智力。,15, 10, 1042-1053 (1993)
[6] I.Cox,P.Yianilos,使用混合距离的基于特征的人脸识别,载于:IEEE计算机视觉和模式识别会议,1996年,第209-216页。;I.Cox,P.Yianilos,使用混合距离的基于特征的人脸识别,收录于:IEEE计算机视觉和模式识别会议,1996年,第209-216页。
[7] Goldstein,A。;哈蒙,L。;Lesk,A.,《人脸识别》,Proc。IEEE,59,5,748-760(1971)
[8] Goldstein,A。;Iyengar,P.,《人脸和面部表情的自动识别和分析:一项调查》,模式识别,25,65-77(1992)
[9] L.Harmon,S.Kuo,P.Ramig,U.Raudkivi,计算机识别人脸轮廓,模式识别(10)(1978)301-312。;L.Harmon,S.Kuo,P.Ramig,U.Raudkivi,计算机识别人脸轮廓,模式识别(10)(1978)301-312。
[10] 哈蒙,L。;Kaun,M。;拉什,R。;Ramig,P.,人脸的机器识别,模式识别,13,2,97-110(1981)
[11] 维斯科特,L。;Fellous,J。;Kruger,N。;von der Malsburg,C.,弹性束图匹配人脸识别,IEEE Trans。模式分析。马赫。智力。,19, 7, 775-779 (1997)
[12] 马丁内斯,A.M。;Kak,A.C.,Pca与lda,IEEE Trans。模式分析。马赫。智力。,23, 2, 228-233 (2001)
[13] 特克,M。;Pentland,A.,识别特征脸,J.认知神经科学。,3, 1, 71-96 (1991)
[14] W.Zhao,R.Chellappa,A.Krishnaswamy,人脸识别主成分的判别分析,载《自动人脸和手势识别国际会议》,1998年,第336-341页。;W.Zhao,R.Chellappa,A.Krishnaswamy,人脸识别主成分的判别分析,载《自动人脸和手势识别国际会议》,1998年,第336-341页。
[15] W.Zhao,R.Chellappa,P.J.Phillips,人脸识别的子空间线性判别分析,技术报告,马里兰大学自动化研究中心,1999年。;W.Zhao,R.Chellappa,P.J.Phillips,人脸识别的子空间线性判别分析,马里兰大学自动化研究中心技术报告,1999年。
[16] A.莱昂纳迪斯。;Bischof,H.,计算机视觉的核和子空间,模式识别,36,9,1925(2003)
[17] Edelman,S.,《视觉中的表征与识别》,布拉德福德出版社(1999年),麻省理工学院出版社:麻省理工学院出版社,马萨诸塞州剑桥
[18] 塔尔,M。;Bulthoff,H.H.,《人、猴和机器中物体识别中的物体识别》(1999),麻省理工学院出版社:麻省理学院出版社剑桥
[19] Kirby,M。;Sirovich,L.,《Karhunen-Loeve程序在人脸表征中的应用》,IEEE Trans。模式分析。马赫。智力。,12, 103-108 (1990)
[20] 杜达,R.O。;斯托克·D·G。;Hart,P.E.,《模式分类》(2000),Wiley-Interscience:Wiley-Interscience纽约
[21] Fisher,R.A.,《分类问题中多重测度的使用》,Ann.Eugen。,7, 179-188 (1936)
[22] 杨,J。;Zhang,D.,《二维主成分分析:基于外观的人脸表示和识别的新方法》,IEEE Trans。模式分析。马赫。智力。,26, 1, 131-137 (2004)
[23] Ye J.,矩阵的广义低秩近似,载:《机器学习国际会议》,2004年,第887-894页。;Ye J.,矩阵的广义低秩近似,载《机器学习国际会议》,2004年,第887-894页。
[24] 刘杰。;陈,S.,矩阵的非迭代广义低秩逼近,模式识别快报。,27, 9, 1002-1008 (2006)
[25] Belhumeur,P。;赫斯帕尼亚,J。;Kriegman,D.J.,《特征脸vs.Fisherfaces:使用类特定线性投影进行识别》,IEEE Trans。模式分析。马赫。智力。,19, 7, 711-720 (1997)
[26] 斯威茨,D。;Weng,J.,《使用鉴别特征进行图像检索》,IEEE Trans。模式分析。马赫。智力。,18, 831-836 (1996)
[27] 塞维卡普,H。;Neamtu,M。;Wilkes,M。;Barkana,A.,人脸识别的鉴别公共向量,IEEE Trans。模式分析。马赫。智力。,27, 1, 4-13 (2005)
[28] 刘杰。;Chen,S.,区分常见向量与邻域分量分析和拉普拉斯人脸:小样本问题的比较研究,图像视觉计算。,24, 3, 249-262 (2006)
[29] J.Liu,S.Chen,人脸识别的重采样lda/qr和pca+lda,载于:第18届澳大利亚人工智能联合会议,2005年,第1221-1224页。;J.Liu,S.Chen,人脸识别的重采样lda/qr和pca+lda,载于:第18届澳大利亚人工智能联合会议,2005年,第1221-1224页。
[30] Ye,J。;Li,Q.,通过qr分解的两阶段线性判别分析,IEEE Trans。模式分析。马赫。智力。,27, 6, 929-941 (2005)
[31] 刘,C。;Wechsler,H.,Gabor,使用增强Fisher线性判别模型进行人脸识别的基于特征的分类,IEEE Trans。图像处理。,11, 4, 467-476 (2002)
[32] 刘,C。;Wechsler,H.,人脸识别gabor特征的独立分量分析,IEEE Trans。神经网络,14,4,919-928(2003)
[33] 刘,C。;Wechsler,H.,《用于索引和检索大型人脸数据库的稳健编码方案》,IEEE Trans。图像处理。,9132-137(2000年)
[34] 多纳托,G。;Bartlett,M.S。;哈格,J.C。;埃克曼,P。;Sejnowski,T.J.,《面部动作分类》,IEEE Trans。模式分析。马赫。智力。,1974年9月21日(1999年)
[35] Er,M.J。;Chen,W。;Wu,S.,基于离散余弦变换和rbf神经网络的高速人脸识别,IEEE Trans。神经网络,16,3,679-691(2005)
[36] Hong,Z.,用于识别的图像代数特征提取,模式识别,24211-219(1991)
[37] 程毅,刘克良,杨建阳,庄毅,顾北国,基于小样本统计模型的人脸识别方法,载:《智能机器人与计算机视觉X:算法与技术》,1991年,第85-95页。;程勇,刘克良,杨建阳,庄毅,顾北国,基于小样本统计模型的人脸识别方法,载:《智能机器人与计算机视觉X:算法与技术》,1991年,第85-95页。
[38] 田,Y。;Tan,T。;Wang,Y。;Fang,Y.,“奇异值是否包含足够的人脸识别信息,模式识别,36,3,649-655(2003)”
[39] 张,D。;陈,S。;Zhou,Z.,一种新的基于奇异值分解摄动的人脸识别方法,应用。数学。计算。,163, 2, 895-907 (2005) ·Zbl 1060.65568号
[40] 马丁内斯,A.M。;Zhu,M.,线性特征提取方法在哪里适用,IEEE Trans。模式分析。马赫。智力。,27, 12, 1934-1944 (2005)
[41] Golub,G.H。;Van Loan,C.F.,《矩阵计算》(1995),约翰霍普金斯大学出版社:约翰霍普金大学出版社,马里兰州巴尔的摩
[42] A.M.Martinez,R.Benavente,人脸数据库,技术报告,CVC,1998年。;A.M.Martinez,R.Benavente,人脸数据库,技术报告,CVC,1998年。
[43] Phillips,P.J。;韦克斯勒,H。;黄,J。;Rauss,P.,人脸识别算法的feret数据库和评估程序,图像视觉计算。,16, 5, 295-306 (1998)
[44] D.Bolme,J.Beveridge,M.Teixera,B.Draper,csu人脸识别评估系统:目的、特征和结构,收录于:第三届计算机视觉系统国际会议,2003年,第303-311页。;D.Bolme,J.Beveridge,M.Teixera,B.Draper,csu人脸识别评估系统:目的、特征和结构,收录于:第三届计算机视觉系统国际会议,2003年,第303-311页·Zbl 1030.68602号
[45] Martinez,A.M.,从每个类的单个样本中识别不精确定位、部分遮挡和表情变化的脸,IEEE Trans。模式分析。马赫。智力。,25, 6, 748-763 (2002)
[46] Tan,X。;陈,S。;Zhou,Z。;Zhang,F.,使用som和软knn集成从每个人的单个训练图像中识别部分遮挡、表情变化的人脸,IEEE Trans。神经网络,16,4,875-886(2005)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。