基于度量學(xué)習(xí)的陌生人臉認(rèn)證算法研究.pdf

1、本文研究在非約束環(huán)境下的陌生人臉認(rèn)證問題。非約束環(huán)境，即人臉認(rèn)證的表現(xiàn)試圖做到不受光照、人臉姿態(tài)的影響。陌生人臉認(rèn)證，即給定兩張?jiān)谟?xùn)練集中從未出現(xiàn)過的人的人臉照片，判斷這一對(duì)照片，是否代表同一個(gè)人。即陌生人臉圖片匹配問題。
　　這一問題的理論價(jià)值在于，對(duì)陌生人臉認(rèn)證問題的解決，能幫助解決許多其他人臉認(rèn)證相關(guān)問題。如安保中的犯罪人臉辨識(shí)，可以將搜尋嫌疑人身份的問題轉(zhuǎn)化為將嫌疑人人臉照片與數(shù)據(jù)庫中所有人逐個(gè)進(jìn)行陌生人臉配對(duì)的問題。

2、r>　　這一問題的應(yīng)用價(jià)值在于，如果能夠做到在非約束環(huán)境下，即光照姿態(tài)無關(guān)的情況下識(shí)別未經(jīng)訓(xùn)練的陌生人臉圖片對(duì)，就能為人臉識(shí)別技術(shù)擴(kuò)展應(yīng)用場(chǎng)景，并增強(qiáng)魯棒性。如，在智能家庭電視環(huán)境下，只要客人出現(xiàn)在電視機(jī)周圍第二次，就能記得此人上次曾經(jīng)造訪過，并打招呼，而不必進(jìn)行登記注冊(cè)等繁瑣過程，更顯人性化。
　　這一問題本身的特性在于，由于測(cè)試集中的人完全不會(huì)出現(xiàn)在訓(xùn)練集中，且潛在要求配對(duì)判斷的總測(cè)試樣本可能遠(yuǎn)大于訓(xùn)練集，因此很難通過對(duì)同一個(gè)

3、人具體的面部特征進(jìn)行建模從而識(shí)別，而是要像人一樣直接將兩幅圖片進(jìn)行比對(duì)。也即需要學(xué)到一把衡量人臉的“尺子”。這被稱之為度量學(xué)習(xí)。
　　研究這一問題的難點(diǎn)在于，其一，對(duì)人臉共同特質(zhì)的有效提取和學(xué)習(xí);其二，對(duì)樣本中不同人的人臉照片共有特性的忽略;其三，對(duì)樣本中同一個(gè)人在不同照片中差異性的魯棒性;其四，在非約束環(huán)境下對(duì)其一到其三的有效實(shí)現(xiàn)。
　　本文對(duì)其展開研究的主要步驟是，在前人工作的基礎(chǔ)上，以相似度度量學(xué)習(xí)為計(jì)算量副人臉圖片距

4、離的主要思路，先從預(yù)處理的角度采用基于SIFT特征的圖片融合算法Congealing，進(jìn)行無監(jiān)督的圖片對(duì)齊，降低人臉姿態(tài)對(duì)人臉認(rèn)證的影響。爾后，對(duì)圖片直接計(jì)算SIFT特征，用PCA降維后，再用GMM壓縮后，計(jì)算馬氏距離矩陣所對(duì)應(yīng)的投影矩陣，將高維的圖片特征向量投影為低維的特征向量，并采用線性SVM對(duì)由兩張圖片的低維向量的差組成的特征點(diǎn)進(jìn)行分類，實(shí)現(xiàn)對(duì)陌生人連認(rèn)證問題的解決。經(jīng)過實(shí)驗(yàn)驗(yàn)證，相對(duì)于基準(zhǔn)算法Nowak提出的度量學(xué)習(xí)方法有一定程