基于非线性流形学习的人脸面部运动估计.pdfVIP

第 33卷第 10期 电 子 与 信 息 学 报 Vo1．33NO．10 2011年 1O月 JournalofElectronics InformationTechnology 0ct．2011 基于非线性流形学习的人脸面部运动估计 王晓侃 毛 峡 IshizukaMitsuru f北京航空航天大学电子信息工程学院 北京 100191) (DepartmentofInformationandCommunicationEngineering)UniversityofTokyo，Japan) 摘 要：由于人脸面部运动变化分布在一个低维非线性流形中，基于线性假设的主动外观模型采用主成分分析算法 描述人脸形状的变化必然带来额外的估计误差。为降低或消除这一误差，该文提出一种改进的局部线性嵌入算法构 建人脸形状一纹理空间，并将其应用于主动外观模型中。实验结果表明，不仅对于面部形变不大的人脸形状，局部 线性嵌入一主动外观模型拥有更低的估计残差；而且对于一些变化较大的人脸形状，在主成分分析一主动外观模型跟 踪失败的情况下，局部线性嵌入一主动外观模型依然可以取得很好的特征估计结果，弥补了主成分分析一主动外观模 型的不足 。 关键词：人脸识别；主动外观模型；非线性流形学习；局部线性嵌入 中图分类号：TP391．4 文献标识码：A 文章编号：1009—5896(2011)10—2531—05 DOI：10．3724／SP．J．1146．2011．00153 HumanFaceAnalysiswithNonlinearM anifoldLearning W angXiao-kan① Ma0Xia① IshizukaM itsuru② “(School0}ElectronicandInformationEngineering， BcijingUniversityofAeronauticsandAstronautics，Beijing100191，China) (DepartmentofInfoT~nationandCommunicationEngineering，UniversityofTokyo，Japan) Abstract：Sincehumanfacemovementsdistributeonanonlinearmanifold，thereareinherentalignmentresiduals broughtbythegloballinearityhypothesisinthetraditionalPrincipalComponentAnalysis(PCA)basedActive AppearanceModels(AAM)．Inthispaper，afamousmanifoldlearningmethod，LocalLinearEmbedding(LLE)is improvedtomodelhumanfaceshapespaceforreducingtheinherentalignmentresiduals．Theexperimentalresults show thatthemethod．LLE—AAM ．obtainsloweralignmentresidualstothetinyalterationsofhumanfaceandstill makesuccessfulalignmentwhenPCA—AAM failedtosomelargealterations．Accordingtothestatisticalanalysis． LLE—AAM couldreducetheresidua1toacertainextent． Keywords：Facerecognition；ActiveAppearanceModels(AAM)；Nonlinearmanifoldle