视频人脸识别中基于聚类中心LLE的特征相似性融合方法.pdfVIP

第 14卷 第24期 2014年8月 科 学 技 术 与 工 程 Vo1．14 No．24 Aug．2014 1671— 1815(2014)24—0089—07 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 视频人脸识别中基于聚类中心LLE的 特征相似性融合方法 贾海龙 (新乡学院现代教育技术中心，新乡453000) 摘 要 针对大部分现有视频人脸识别方法通常仅利用代表性范例或图像集而较少研究有效融合的问题，提出了一种基于 聚类中心特征相似性融合方法。首先，使用局部线性嵌入从原始数据空间学习低维嵌入，并利用STHAC算法将投影划分为 IJLE特征空间聚类；然后，从基于局部外观的聚类中得到特征相似性，在贝叶斯最大后验概率分类框架中对范例点和聚类子空 间进行相关相似性匹配；最后，借助于范例重要性概率完成人脸的识别。在视频人脸数据集 CMUMobo、Honda／UCSD和 ChokePoint上的实验验证了所提方法的有效性，实验结果表明，相比几种传统的方法，所提方法取得了较高的识别精度和较低 的计算复杂度。 关键词 局部线性嵌入 相似性融合 双特征 视频人脸识别 贝叶斯分类器 中图法分类号 TP391．3； 文献标志码 A 视频的出现对人脸识别 问题提 出了新 的挑 内和类问判别能力的判别方法——判别典范相关 战…，尤其是在大量外观变化、复杂头部姿态及其 (DCC)J，和基于图嵌入判别分析的格拉斯曼流 他外部条件下。成像设备的可访 问性和消费产品、 形 。方法 。 生物识别及监控中应用程序的广泛阵列使 自动人脸 基于范例表示的方法通过处理训练视频中的大 识别成为越来越重要的任务 。现有视频人脸识别的 型人脸图像组，然后选择少量特定外观代表性人脸 文献可粗略划分为静止人脸对视频匹配和视频对视 图像或范例概述每个对象类。常见配置是从数据流 频匹配 。 形中提取聚类或块，选择样本平均作为范例。这类 视频对视频匹配的概念可以归纳为一个图像集 情况可视作一种静止图像对视频匹配方法，但它通 识别问题，可以是时间有序或无序集的形式，包括整 常需要融合范例 (训练集)和多个查询帧(测试集) 个序列或仅选定图像。通常由从原始向量学习到的 之间的匹配分数，以便实现完整视频对视频匹配。 子空间或流形模型表示从训练视频和测试视频获得 文献[9]介绍了最大线性块 (MLP)，划分流形上的 的图像集，然后通过计算这些学习到的子空间之间 数据成局部线性模型的范例表示方法，文献 [1O]提 子空间距离或相似度度量完成分类。基于参数化模 出了时空凝聚式层次聚类 (STHAC)，利用时间和空 型的方法使用Kullback—LeiblerDivergence(KLD)度 间信息从有序图像中选择范例，尽管这种设置实质 量_3来评估估计的密度之间的相似度。当训练和 上对聚类外观变化的有效性和选择的范例数 目敏 测试集非强相关统计时，在有限数据下的参数估计 感，但是基于范例的方法确实有相对较好的结果。 往往会失败。互子空间方法(MSM) 、使用最小主 然而，这些方法的不断改进都忽略了一个问题 ： 角余弦值或最大典范相关作为相似度度量等基于角 如何将范例和图像集匹配融合在一起，以便进一步 度的方法由于其简单性而得到广泛采用。使用主角 提高识别能力。同时利用图像集和范例的方法很 少，文献 [9]提出一种加权距离度量，涉及子空间和 的进 一 步 改 进方 法——约 束互 子 空 间方 法 (CMSM)