×
金桑基；杨荣·帕克；Toh，Kar-Ann；李桑宇生

基于SVM的人脸识别特征提取。 （英语） Zbl 1213.68534号

模式识别 43，第8期，2871-2881（2010）.
摘要：线性判别分析（LDA）在人脸特征提取中的主要目标是找到一个有效的身份鉴别子空间。核技巧的引入将LDA扩展到了非线性决策超曲面。然而，非线性LDA在处理复杂环境因素下的物理应用时仍然存在固有的局限性。这些限制包括在每个类之间使用共同的协方差函数，以及类间散布定义固有的有限维度。由于这些问题本质上是由Fisher准则本身的定义引起的，因此在传统的LDA框架下可能无法解决。本文建议采用基于类分散和正则化过程之间的裕度来解决这个问题。本质上，我们重新设计了基于SVM边缘的类间散布矩阵，以促进有效可靠的特征提取。然后对类内散布矩阵进行正则化。通过大量的实验，将所提方法与使用FERET、AR和CMU-PIE数据库的LDA方法的其他几种变体进行比较。

引用于三文件

MSC公司：

68吨10 模式识别、语音识别

关键词：

人脸识别；身份验证；判别分析；支持向量

软件：

内核-机器；AR面；CMU项目；费雷特；ElemStatLearn（电子状态学习）
PDF格式BibTeX公司 XML格式引用
\textit{S.-K.Kim}等人，模式识别43，第8期，2871--2881（2010；Zbl 1213.68534）
全文： 内政部

参考文献：

[1] 特克，M。；Pentland，A.，识别特征脸，认知神经科学，3，1，72-86（1991）
[2] Bartlett，M.S。；Movellan，J.R。；Sejnowski，T.J.，独立成分分析人脸识别，IEEE神经网络学报，13，6（2002）
[3] 佩内夫，P。；Atick，J.，局部特征分析：对象表示的一般统计理论，网络：神经系统中的计算，7，3，477-500（1996）·Zbl 0898.92039号
[4] Lee，D.D。；Seung，H.S.，通过非负矩阵分解学习对象的各个部分，《自然》，401，788-791（1999）·Zbl 1369.68285号
[5] Belhumeur，P.N。；赫斯帕尼亚，J.P。；Kriegman，D.J.，《特征脸vs.Fisherfaces:使用类特定线性投影进行识别》，IEEE模式分析和机器智能汇刊，19711-720（1997）
[6] 赵伟。；Krishnaswamy，A。；切拉帕，R。；Swets，D.L。；Weng，J.，人脸识别主成分的判别分析，（Wechsler，H.；Phillips，P.J.；Bruce，V.；Soulie，F.；Huang，T.S.，《人脸识别：从理论到应用》（1998），Springer-Verlag:Springer-Verlag Berlin），73-85
[7] Fisher，R.A.，《分类问题中多重测量的使用》，优生学年鉴，7179-188（1936）
[8] Jain，A.K。；Duin，R.P.W。；Mao，J.，统计模式识别：综述，IEEE模式分析和机器智能汇刊，22，1，4-37（2000）
[9] 艾泽曼，M。；Braverman，E。；Rozonoer，L.，模式识别学习中势函数方法的理论基础，自动化和远程控制，25821-837（1964）·Zbl 0151.24701号
[10] 马，J。；Sancho-Gómez，J.L。；Ahalt，S.C.，非线性多类判别分析，IEEE信号处理快报，10，7（2003）
[11] Baudat，G。；Anouar，F.，使用核方法的广义判别分析，神经计算，12，10，2385-2404（2000）
[12] 卢，J。；Plataniotis，K.N。；Venetsanopoulos，A.，使用核直接判别分析算法的人脸识别，IEEE神经网络学报，14，1，117-126（2003）
[13] 库马尔，N。；Andreou，A.G.，用于改进语音识别的异方差判别分析和降秩HMM，语音通信，26，4，283-297（1998）
[14] Loog，M。；Duin，R.P.W.，通过LDA的异方差扩展进行线性降维：切尔诺夫准则，IEEE模式分析和机器智能汇刊，26，6，732-739（2004）
[15] Fukunaga，K.，《统计模式识别导论》（1990），学术出版社：纽约学术出版社·Zbl 0711.62052号
[16] Phillips，P.J。；Moon，H。；Rizvi，S。；Rauss，P.，人脸识别算法的FERET评估方法，IEEE模式分析和机器智能汇刊，22，10，1090-1104（2000）
[17] A.R.Martinez，R.Benavente，AR人脸数据库，技术报告24，计算机视觉中心，1998年6月。；A.R.Martinez，R.Benavente，AR面部数据库，技术报告24，计算机视觉中心（CVC），1998年6月。
[18] 西姆·T。；贝克，S。；Bsat，M.，CMU姿势、照明和表情数据库，IEEE模式分析和机器智能汇刊，25，12，1615-1618（2003）
[19] 赵伟。；Chellappa，R。；Phillips，P.J.，《面部识别：文献调查》，ACM Computing Surveys，12399-458（2003）
[20] Burges，C.J.C.，模式识别、数据挖掘和知识发现支持向量机教程，121-167（1998）
[21] Chen，L。；廖，H。；Ko，M。；林，J。；Yu，G.，一种新的基于LDA的人脸识别系统，可以解决小样本问题，模式识别，33，10，1713-1726（2000）
[22] Yu，H。；Yang，J.，高维数据的直接LDA算法及其在人脸识别中的应用，模式识别，34，10，2067-2070（2001）·Zbl 0993.68091号
[23] 蒋，X。；曼达尔，B。；Kot，A.，人脸识别中的特征正则化和提取，IEEE模式分析和机器智能汇刊，30，3（2008）
[24] S.-K.Kim，K.-A.Toh，S.Lee，《包含辅助信息的面部识别》，《EURASIP信号处理进展杂志》（2008）（文章编号312849）11，doi:10.1155/2008/312849；S.-K.Kim，K.-A.Toh，S.Lee，《包含辅助信息的面部识别》，《EURASIP信号处理进展期刊》（2008）（文章ID 312849）11，doi:10.1155/2008/312849·Zbl 1184.94037号
[25] Lee，C。；Landgrebe，D.A.，基于决策边界的特征提取，IEEE模式分析和机器智能汇刊，15，4，388-400（1993）
[26] T.Hastie，R.Tibshirani，J.Friedman，《统计学习的要素：数据挖掘、推断和预测》，《统计学中的斯普林格系列》，斯普林格出版社，纽约，2001年。；T.Hastie，R.Tibshirani，J.Friedman，《统计学习的要素：数据挖掘、推断和预测》，《统计学中的斯普林格系列》，纽约斯普林格出版社，2001年·Zbl 0973.62007号
[27] 杜达，R.O。；哈特，体育。；Stork，D.G.，《模式分类》（2001），John Wiley and Sons，Inc.：纽约John Willey and Sons公司·Zbl 0968.68140号
[28] Loog，M.，《多类线性降维的近似成对精度准则：Fisher准则的推广》（1999），代尔夫特大学出版社
[29] 肖尔科夫，B。；Sung，K。；伯格斯，C。；吉罗西，F。；Niyogi，P。；Poggio，T。；Vapnik，V.，比较高斯核支持向量机与径向基函数分类器，IEEE信号处理汇刊，45，11，2758-2765（1997）
[30] 〈http://www.kernel-machines.org/software; 〈http://www.kernel-machines.org/software
[31] R.Fransens，Jan De Prins，基于SVM的非参数判别分析，人脸检测应用，收录于：第九届IEEE计算机视觉国际会议，第2卷，2003年10月13日至16日。；R.Fransens，Jan De Prins，基于SVM的非参数判别分析，人脸检测应用，收录于：第九届IEEE国际计算机视觉会议，第2卷，2003年10月13日至16日。
[32] M.Vatsa，R.Singh，A.Ross，A.Noore，SVM框架中的似然比：融合线性和非线性人脸分类器，收录于：IEEE计算机视觉和模式识别研讨会（CVPRW），2008年6月23日至28日。；M.Vatsa，R.Singh，A.Ross，A.Noore，SVM框架中的似然比：融合线性和非线性人脸分类器，收录于：IEEE计算机视觉和模式识别研讨会（CVPRW），2008年6月23日至28日。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。