基于深度特征学习的复杂环境下陌生人脸匹配算法研究.pdfVIP

MicrocomputerApplicationsVo1．30，No．6，2014 研究与设计 微型电脑应用 2014年第30卷第6期 文章编号：1007—757X(2014)06—0021—05 基于深度特征学习的复杂环境下陌生人脸匹配算法研究 王星杰 摘 要：复杂环境下的陌生人脸匹配，即在人脸存在光照、姿态干扰时，判断两张在训练集中从未出现过的人脸照片是否代 表同一个人。在预处理阶段，采用多尺度视皮层算法，降低光照的影响 ，提出并采用基于PCA—SIFT特征的图片融合算法无 监督地对齐人脸，降低人脸姿态的影响。在识别阶段 ，提出并采用半随机池化方法优化 了局部卷积限制波尔兹曼机网络的稳 定性，习得深度特征后采用基于信息熵的度量学习算法计算马 氏距离并通过 SVM 分类识别。实验结果显示，提 出的方法在 LFw 数据集上取得了78％的识别率，相 比于采用相同训练模式的经典度量学习方法取得 了7％的提高，验证 了所提方法的有 效性。 关键词：陌生人脸匹配；半随机池化方法；深度特征学习；度量学习 中图分类号：TP391 文献标志码：A UnseenFaceM atchingUnderComplexEnvironmentBasedOnDeepFeatureLearning WangXingjie (SchoolofComputerScienceandTechnology,FudanUniversity,Shanghai200433，China) Abstract：Thegoalofunseenfacematchingundercomplexenvironmentistodecidewhethertwopicturesoutsidethetrainingset belongtohtesameperson，underposeandilluminationfactorsintheimage．Leveragingtheintra—personsubspacesimilaritymetric learningalgorithm (sub—SML)asaframework，amulti—scaleretinexalgorithm isappliedtoreduceilluminationintheimages；a PCA-SIFTenhancedunsupervisedalignmentalgorithm，congealing，isproposedandappliedtoalignfaceimagesandmakessureall facesinimagesareatfrontalandcentralposition；asemi—stochasticpoolingmethodisproposedandappliedtolocalconvolutional RBM toenhancehtestabilityofunsupervisedfeautrelearning．Andfinallythelearnedfeaturesareappliedtoinformmiontheoretic metriclearn ingtocalculatetheMahalanobisdistanceandexecutehteproposedunseenfacematchingtaskviaSVM classification． WeusedtheLabeled—Faced—in—the—Wild(LFW)datasettorunouralgorithm，followinghterestricted—imagertaining／testingmodelby theLFW author．ExperimentalresultsonLFW show 78％ accuracyofproposedmethod．7％ higherthanclassicmetricleamingme— thodun derhtesametraining／testingmodel，validatinghteeffectivenessofproposedmethod． Keywords：UnseenFaceMatching；Semi-StochasticPooling；DeepFeautreLearning；MetricLearning 0引言