基于特征融合和流形增强的视频环境下人脸识别.docVIP

基于特征融合和流形增强的视频环境的人脸识别 黄存东1，刘仁金2 (1.安徽国防科技职业学院 信息工程系，安徽 六安237011；2.皖西学院 信息工程学院，安徽 六安237012) (hcdong@126.com) 摘要：提出一种基于视频的人脸识别算法（FFME）。算法首先将人脸划分为不同的区域，融合人脸不同区域局部特征，建立K-NN模型，根据Sum rule来进行人脸分类，最后利用流形建立参考人脸图集，重排分类结果，从而增强人脸识别准确率。在视频人脸数据库Mobo数据集和Honda/UCSD数据集上的实验结果表明，FFME识别性能优于其他方法。 关键词：特征融合；流形；人脸识别；视频；局部特征；全局特征 中图分类号：TP391.41? 文献标识码：A Feature Fusion and Manifold Enhancement based face recognition in videos HUANG Cundong1, Liu Renjin2 (1.Department of Information and Engineering, Anhui Vocational College of Defense Technology, Lu’an 237011; 2.School of Information and Engineering, West Anhui University, Lu’an 237012) Abstract: A new approach of face recognition in videos is proposed in this paper. Firstly, faces are divided into different regions. Then, different local feature descriptors, which are selected against the variation of some region, are combined for face representation. Thirdly, K-NN model is built for feature vectors classification. A sum rule is followed by FFME to combine the individual classification results. Finally, Manifold is introduced for construct a set of reference face images to re-rank the top candidate images, which is approved later to enhance the face recognition rates. The experimental results on the video-based face database Mobo and Honda/UCSD show that FFME is superior to other methods. Key words: feature fusion; manifold; face recognition; video; local feature; global feature 引言 人脸识别由于其广泛的应用如身份鉴定、图像检索等，成为计算机视觉研究热点由来已久。传统研究主要针对静态图像环境下的人脸识别，近年来逐渐转移到视频环境下。然而，由于光照、姿势、表情、遮挡、分辨率等问题，视频环境下的人脸识别依然面临着严峻挑战。 文献[2]将目前视频环境下的人脸识别研究划分为三类：基于关键帧，基于时间模型和基于图集匹配的方法。其中，主成分分析（PCA） 和线性鉴别分析（LDA）是两个常用的特征提取和降低维数的方法，建立在数据集全局线性假设基础之上。实际中，由于光线、表情、姿势等因素，数据集常呈非线性，此类方法就无法挖掘出数据集中的非线性结构和内在信息。文献[5-6]提出了一种利用流形学习来表征人脸图集内在结构的方法，可以很好的解决非线性结构问题。然而，它和PCA/LDA等均采用一个全局的表达策略来描述人脸，而实验表明基于局部特征人脸识别的方法要优于基于全局特征。尺度不变特征变换SIFT是一种基于尺度空间的、对图像缩放、旋转等能保持不变性的图像局部特征描述算