人脸识别中“误配准灾难”问题研究“Curse of Mis-alignment” Problem.pdfVIP

第28 卷 第5 期 计 算 机 学 报 vol. 28 No. 5 2005 年5 月 CHINESE JOURNAL OF COMPUTERS May 2005 人脸识别中的 “误配准灾难”问题研究 1) 1),2) 2) 1) 1),2) 山世光 ，高文 ，唱轶钲 ，曹波 ，陈熙霖 1) ( 中科院计算所-银晨科技面像识别联合实验室，北京，100080) 2) (哈尔滨工业大学计算机学院，哈尔滨，150001) 摘要: 现有的多数人脸识别系统都要依赖于面部特征 （比如眼睛中心位置）的严格配准来归一化人脸以便提取 人脸描述特征，但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视。本文首次针对 这一问题进行了系统的研究，并提出了一种基于误配准学习的解决方案。为了揭示现有典型识别算法的识别性 能对特征配准准确度的敏感程度，通过对眼睛位置人为加扰，我们对 Fisherface 算法的识别性能随平移、旋转 和尺度改变而变化的情况进行了实验评估，结果表明：Fisherface 的识别性能随着误配准的增大而急剧下降—— 本文称这一现象为 “误配准灾难”问题。针对该问题，本文提出了一种基于扰动学习的 “误配准灾难”解决方 案，该方法通过在模型训练阶段加入扰动配准偏差来提高判别分析方法对误配准的鲁棒性。在 FERET 人脸图 像数据库和CAS-PEAL-R1 人脸库上的实验表明该方法可以有效的提高识别算法对误配准的鲁棒性。 关键词 人脸识别，特征配准，线性判别分析，误配准灾难，扰动学习 中图分类号 TP391 “Curse of Mis -alignment”Problem in Face Recognition SHAN Shi-Guang 1), GAO Wen 1) ,2), CHANG Yi-Zheng 2), CAO Bo 1), CHEN Xi-Lin 1),2) 1) (ICT-ISVISION JDL for Face Recognition, ICT, Chinese Academy of S ciences) 2) (School of Computer, Harbin Institute of Technology) Abstract : In this paper, we investigate the rarely concerned curse of mis -alignment problem in face recognition, and propose a novel perturbation learning solution. Mis -alignment problem is firstly empirically investigated through evaluating systematically the Fisherface’s sensitivity to mis-alignment on the FERET face database by perturbing the eye coordinates, which reveals that the imprecis e localization of the facial landmarks abruptly degrades the Fisherface system. We explicitly define this problem as curse of mis-alignment for highlighting its significance. Aiming at this problem, we propose a set of measurement comb