没有合适的资源?快使用搜索试试~ 我知道了~
首页化妆容颜下的人脸识别提升:多补丁集成与改进SRS-LDA算法
化妆容颜下的人脸识别提升:多补丁集成与改进SRS-LDA算法
需积分: 10 0 下载量 182 浏览量
更新于2024-08-13
收藏 1.2MB PDF 举报
本文主要探讨了一种针对化妆对人脸识别准确率影响的解决方案,提出了一种改进的鲁棒人脸识别算法,该算法结合了多补丁集成学习和随机子空间LDA。首先,算法的关键步骤是将人脸图像分解成多个补丁,每个补丁使用一组特征描述符来刻画,包括本地梯度Gabor模式(LGP)、Gabor空间定序定比测量直方图(HGSFRM)和密集采样局部多值模式(DSLMP)。这些描述符能够捕捉到人脸局部特征的细节和纹理信息,提高算法的鲁棒性。 在处理过程中,采用了改进的随机子空间线性判别分析(SRS-LDA)方法,这是一种有效的降维技术,它能够在保持高维数据的区分性的同时,减少噪声和冗余信息的影响。通过这种方法,算法能够在化妆前后图像之间构建多个公共子空间,进行集成学习,增强了算法对于化妆变化的适应能力。 为了进一步提升识别精度,论文采用协作和稀疏表示分类器来比较子空间中的特征向量。这种分类器结合了多个子空间的信息,通过求和规则将各子空间的得分综合起来,形成最终的识别决策。这种集成策略可以有效降低单个子空间的错误影响,提高整体的识别性能。 实验部分,作者在多种化妆数据集上进行了详尽的评估和分析,结果显示,与专为化妆后人脸识别设计的其他算法相比,提出的算法表现出显著的优势,具有更高的识别精度。这证明了该算法在化妆条件下依然能保持较高的识别效果,具有很好的鲁棒性和实用性。 本文的研究不仅解决了化妆对人脸识别的挑战,还提供了一种有效的算法框架,通过补丁集成和改进的随机子空间LDA,实现了人脸识别系统的稳健性和准确性提升。这对于人脸识别技术的实际应用,特别是在化妆场景下的生物认证,具有重要的理论价值和实际意义。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/18268205/bg1.jpg)
收稿日期:20180322;修回日期:20180507 基金项目:国家自然科学基金资助项目(61475137)
作者简介:冯代高(1988),男,湖北宜昌人,硕士,主要研究方向为图像处理、模式识别、图像传感器(feng4456@126.com);张友俊(1961),
男,教授,博士,主要研究方向为微波技术、传感器.
改进随机子空间 LDA结合多补丁集成学习的
鲁棒人脸识别算法
冯代高,张友俊
(上海海事大学 信息工程学院,上海 201306)
摘 要:针对化妆对人脸识别准确率的负面影响,提出了基于补丁集成学习的改进鲁棒人脸识别算法。将每张
人脸图像嵌入补丁中,并用一组特征描述符描述每个补丁,即本地梯度 Gabor模式(LGP)、Gabor空间定序定比
测量直方图(HGSFRM)和密集采样局部多值模式(DSLMP)。使用改进的随机子空间线性判别分析(SRSLDA)
方法采样补丁,并在化妆之前与化妆之后图像之间建立多个公共子空间进行集成学习。利用协作和稀疏表示分
类器比较这个子空间中的特征向量,同时通过求和规则联合得到分数。实验将提出的算法在多种化妆数据集上
进行评估分析,结果表明提出的算法相比于其他专为妆后人脸识别设计的算法有更高的识别精度。
关键词:人脸识别;鲁棒评估;描述符算法;补丁集成;改进随机子空间
中图分类号:TP391.41;TP301.6 文献标志码:A 文章编号:10013695(2019)08067255605
doi
:10.19734/j.issn.10013695.2018.03.0190
Robustfacerecognitionalgorithmbasedonmultiplepatchintegration
learningandimprovedrandomsubspaceLDA
FengDaigao,ZhangYoujun
(CollegeofInformationEngineering,ShanghaiMaritimeUniversity,Shanghai201306,China)
Abstract:Aimingatthenegativeeffectsofmakeuponfacerecognition,thispaperpresentedanimprovedrobustfacerecogni
tionalgorithmbasedonpatchintegrationlearning.Intheproposedscheme,thispapertessellatedeachfaceimageintopatches
andrepresentedeachpatchwithasetoffeaturedescriptors,viz,localGaborpattern(LGP),histogramofGaborspacefixedra
tiomeasures(HGSFRM)anddenselysampledlocalmultivaluedpattern(DSLMP).Then,itusedanimprovedrandomsub
spacelineardiscriminantanalysis(SRSLDA)methodtoperform ensemblelearningbysamplingpatchesandconstructing
multiplecommonsubspacesbetweenbeforemakeupandaftermakeupfacialimages.Finally,itusedcollaborativebasedand
sparsebasedrepresentationclassifierstocomparefeaturevectorsinthissubspaceandtheresultingscorescombinedbythe
sumrule.Itevaluatedtheproposedfacematchingalgorithmonmultiplemakeupdataset.Resultsshowthatthisalgorithm has
higherrecognitionaccuracythanotheralgorithmsdesignedforfacerecognitionundermakeupsituation.
Keywords:facerecognition;robustevaluation;signatureintegrationalgorithm;patchintegration;improvedrandomsub
space
0 引言
人脸自动识别已在如个人认证、视频监控和人机交互等领
域广泛使用。人脸自动识别通过从输入的人脸图像中提取有
识别力的特征,并将这个特征与数据集中储存的模板进行比较
来进行识别
[1]
。随着鲁棒性特征表示和匹配技术的发展,人
脸识别系统的准确度不断提高
[2]
,多个公开基准数据库上的
错误率显著降低。
目前,人脸识别领域仍然存在许多挑战,特别是异构人脸
识别。面部彩妆是一种非常常见的面部异构,妆容下的面部识
别准确度极为重要。图
1为彩妆应用效应的实例。但是近期
的研究表明,面部彩妆后人脸的识别准确度存在较大的问题。
由于化妆可能大幅改变容颜,从而给人脸自动识别提出了挑
战。根据文献[3]所述,由于化妆的应用,商业和学术的人脸
识别方法的识别精度大幅度降低。人脸化妆的应用可以影响
现有许多的依赖对比度和纹理信息线索建立的匹配程序。同
时,识别多种彩妆结合后的妆容比识别单独使用某一种化妆品
的妆容更具挑战。解决混合妆容异构后的识别问题是开发具
有鲁棒性的人脸识别系统的关键。
图 1 化妆改变人脸外观实例
到目前为止,解决化妆引入的变化而造成的挑战的科技文
献很有限。文献[4]利用典型相关分析 (canonicalcorrelation
analysis,CCA)连同支持向量机(supportvectormachine,SVM)
分类器一起改进化妆前后图像的匹配。为了使匹配图像之间
的差距最小化,文献[
5]研究了从化妆之前和化妆之后图像中
提取的特征之间的映射,使 用 改 进 的 CCA和 偏 最 小 二 乘 法
(partialleastsquares,PLS)研究了该映射。尽管文献中证明了
基于映射方法的有效性,但是它有两个限制:
a)化妆前后人脸
图像之间的映射可能是复杂的、空间变化的和非线性的,因此,
第 36卷第 8期
2019年 8月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol36No8
Aug.2019
下载后可阅读完整内容,剩余4页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
weixin_38640168
- 粉丝: 6
- 资源: 959
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 解决Eclipse配置与导入Java工程常见问题
- 真空发生器:工作原理与抽吸性能分析
- 爱立信RBS6201开站流程详解
- 电脑开机声音解析:故障诊断指南
- JAVA实现贪吃蛇游戏
- 模糊神经网络实现与自学习能力探索
- PID型模糊神经网络控制器设计与学习算法
- 模糊神经网络在自适应PID控制器中的应用
- C++实现的学生成绩管理系统设计
- 802.1D STP 实现与优化:二层交换机中的生成树协议
- 解决Windows无法完成SD卡格式化的九种方法
- 软件测试方法:Beta与Alpha测试详解
- 软件测试周期详解:从需求分析到维护测试
- CMMI模型详解:软件企业能力提升的关键
- 移动Web开发框架选择:jQueryMobile、jQTouch、SenchaTouch对比
- Java程序设计试题与复习指南
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)