《基于图像集匹配（ISM）的正则化最近点法在视频人脸识别中的应用》.pdfVIP

第 14卷 第 15期 2014年5月 科 学 技 术 与 工 程 Vo1．14 No．15 May2014 1671— 1815(2014)15—0212—07 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 基于图像集匹配 (ISM)的正则化最近点法 在视频人脸识别中的应用 杨天朋 唐 娴 (商丘学院计算机科学与技术学院，商丘 476000) 摘 要 针对视频人脸识别中传统的图像集算法受光照、表情、姿态及遮掩等变化而影响识别性能的问题，提出了一种图像 集匹配的正则化最近点算法。首先，将图库图像集和探针图像集建模成正则化仿射包，利用迭代器 自动确定两个 图像集问的 正则化最近点；然后，利用最近子空间分类器最小化正则化最近点；最后，根据正则化最近点之间的欧氏距离及结构计算RNP 集之间的距离，并利用最近邻分类器完成人脸识别。在Honda／UCSD、CMUMobo和YouTube三大视频人脸数据库上的实验验 证 了所提算法的有效性及可靠性，实验结果表明，相 比其他几种图像集人脸识别算法，所提算法取得 了更好的识别效果，同 时，大大减少了训练及测试总完成时间。 关键词 视频人脸识别 正则化最近点 正则化仿射包 图像集匹配 最近邻分类器 中图法分类号 TP391．41； 文献标志码 A 正确识别感兴趣的对象 (如人脸)是计算机视 另一类集间距离通过 比较非参数化模型的结构得 觉和模式识别领域 中最重要的问题之一…。尽管 到，例如，广泛应用于文献 [9]的典型相关分析，分 每个对象的图库集可能是一幅图像也可能是多幅图 析了线性子空问之 问的主角度和正则关系。此外， 像，但是通常还是将传统的人脸识别制定成一个从 文献[10]用图像集的自然第二顺序统计协方差矩 单一探针图像中识别人脸的问题，然而，在非约束环 阵表示每个图像集，制定基于图像集的分类为位于 境下，仅从单一人脸图像正确识别出一个人是很有 Riemannian流形的分类点。近期，文献 [11]提出一 挑战性的，因为外观会因各种姿态、光照、表情、遮挡 个有趣的图像集人脸识别方法：稀疏近似最近点 等变化而变化 J。因此，寻求一种 良好的算法解 (SANP)，该方法将每个图像集建模成一个仿射包 ， 决图像集人脸识别问题显得至关重要。 选择两个距离最近的点 (每个图像集中一个点)作 为了求解基于图像集的视频人脸识别问题，学 为稀疏近似最近点，其中要求SANPs是由原始样本 者们提出了许多方法，主要分为两个类型：基于参数 稀疏表示的，最终集之间的距离就是 SANPs之 间的 化模型的方法和非参数化非模型方法 』。参数化 距离乘 以仿射包 的维度。SANP相 比于以前的算 方法通常需要求解很困难 的参数估计 问题，要求 图 法，能得到更先进的性能，然而，SANP不能对每个 库和探针集有很强的统计关联性，这在实践中可能 图像集都很好地建模，尽管它强制采用了仿射包表 不存在 。为了规避参数化方法的缺点，非参数化 示和稀疏正则化，复杂的模型 (三个表示项四个未 的非模型方法将图像集表示为一个线性仿射子集、 知变量)使 SANP有点混乱，稀疏约束和许多未知的 混合子控件、或者非线性流形 J。通常，非线性流 变量也增加了求解 SANP的难度和复杂度。 形方法表示 图像集为一个局部线性子空问的组 基于上述分析，提出了一种基于图像集匹配的 合 。基于图像集的表示法，集之 问的距离可以定 正则化最近点 (RNP)算法，证 明了SANP中复杂的 义为这两个图像集中的两个 “范例”(即样本平均) 方案和