A framework for joint estimation of age,gender and ethnicity on a large database

Human age, gender and ethnicity are valuable demographic characteristics. They are also important soft biometric traits useful for human identification or verification. We present a framework that can estimate the three traits jointly. The joint estimation framework could deal with the mutual influence of age, gender, and ethnicity implicitly. Under this joint estimation framework, we explore different methods for simultaneous estimation of age, gender, and ethnicity. The canonical correlation analysis (CCA) based methods, and partial least squares (PLS) models are explored under our joint estimation framework. Both the linear and nonlinear methods are investigated to measure the performance. We also validate some extensions of these methods, such as the least squares formulations of the CCA methods. We found some consistent ranking of these methods under our joint estimation framework. More importantly, we found that the CCA based methods can derive an extremely low dimensionality in estimating age, gender and ethnicity. An analysis of this property is given based on the rank theory. The experiments are conducted on a very large database containing more than 55,000 face images.     

一种新的特征提取方法及其在模式识别中的应用

核典型相关分析(KCCA)是一种有监督的机器学习方法,可以有效地提取非线性特征。然而随着训练样本数目的增加,标准的KCCA方法的计算复杂度会随之增加。针对此缺点,提出一种改进的KCCA方法：首先用几何特征选择方法选择一个训练样本子集并将其映射到再生核希尔伯特空间(RKHS),然后设计了一种提升特征提取效率的算法,该算法按照对特征分类贡献的大小巧妙地选取样本的特征值,进而求出其相应的特征向量,最后将改进的KCCA与支持向量数据描述(SVDD)多分类器相结合用于分类识别。在ORL人脸图像数据库上的实验结果表明,改进的方法相对传统的KCCA方法,在不影响识别率的情况下提高了人脸识别速度,减小了系统存储量。     

手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

基于KCCA的煤矿人员特征融合识别

煤矿井下险情时有发生,为险情下方便救援,需要监控各区域人员签到,准确掌握人员身份及分布情况。在煤矿井下由于光线不足、黑尘干扰等原因,影响人员的识别和管理。传统的识别由于单独依赖人脸识别来辨别井下人员数量和身份,易受到矿井下恶劣的环境影响而导致出现无法识别和识别效率低等问题,所以可靠程度较低。为解决上述问题,提出了一种基于KCCA算法的人脸特征和虹膜特征融合的煤矿井下人员签到识别方法。首先提取出人脸特征和虹膜特征,然后采用KCCA算法对采集到的人脸特征和虹膜特征进行融合,去除图片中无效的信息,降低算法复杂度,最后利用TAN分类完成人员认证,准确识别人员身份。实验表明,该算法降低了计算复杂度,提高了身份识别的准确度,增强了工作人员的安全监控。     

基于太赫兹时域光谱系统的橡胶分类识别

基于太赫兹时域光谱（THz TDS）系统对4种橡胶样品进行检测,分别采用核主成分分析（KPCA）和核典型相关分析（KCCA）方法对橡胶太赫兹光谱进行特征提取,引入PCA和CCA作为对比,再结合支持向量机（SVM）建立分类模型,对橡胶进行分类识别,最后以偏最小二乘判别法（PLS DA）的识别结果作为参考。结果表明,SVM结合特征提取方法可以对橡胶的光谱进行分类识别,KPCA SVM对吸收谱的分类效果最佳,而PLS DA对折射谱的分类效果要优于SVM,同时,KPCA对光谱的特征提取效果要优于标准的KCCA方法。实验为橡胶的识别分析提供了新的方法。     

基于核典型相关分析的字符识别

介绍一种基于核典型相关分析(KCCA)的字符识别方法.首先选取核函数将低维数据映射到高维空间,再利用典型相关分析(CCA)的思想对数据进行降维,最后利用分类器对降维后的数据进行分类识别.通过对MINST手写数字字符库的实验结果表明,利用KCCA对特征数据进行降维后,能够在新的特征空间中寻找到较好的线性模型,即新特征能够被较好地分类识别.     

多摄像机视域内的目标活动分析

本文提出了一种能够分析多摄像机非重叠视域中运动目标行为之间时空相关性的方法.该方法基于特征空间中目标活动模式的相似性和活动空间的关联性,将摄像机网络中每个视域分为多个有意义的语意活动区域;利用交叉核典型相关分析(XKCCA)分析语意活动区域之间的时空相关性,得到摄像机网络的拓扑关系,该拓扑关系能够反映目标在跨摄像机的语意区域之间运动的时空信息;将这些信息有效地融入到跨摄像机的目标再确认过程中,有利于排除虚假目标,提高跨摄像机目标再确认的准确度.与现有的方法相比,本文方法不依赖于个体目标的跟踪,实验结果表明本方法在复杂、拥挤、低帧频和低分辨率的多摄像机视频监控网络中能够有效地理解和分析视频内容,更准确的实现跨摄像机目标再确认.     

基于二次特征的模糊分类算法在普适计算上下文变化感知中的研究*

为了简化普适计算环境原始特征的复杂度,方便该环境下的知识推理,采用核典型相关分析方法进行原始特征的二次提取,得到简约而重要的二次特征。在此二次特征的基础上施以模糊K近邻法计算待测模式相对于各类中心的隶属度,并按最大隶属度原则确定该模式所属上下文场景类。本算法致力于在不显著损失分类准确度的情况下尽可能地降低分类复杂度,从而解决普适计算环境中上下文变化感知的问题。     

基于KCCA优化的网络入侵检测算法

入侵检测系统所得原始特征通常是高维度的,这些高维度特征带来了较大的计算开销。针对该问题,采用核典型相关分析方法进行原始特征的二次提取,得到筒约而重要的二次特征。在该二次特征的基础上运用二叉树多分类支持向量机法判别待测网络状态所属类别。仿真实验证明,该算法在不显著损失检测准确度的情况下可提升系统实时性,从而达到优化目标。     

一种基于核函数特征提取改进方法的应用

针对标准的核典型相关分析（KCCA）方法在对训练样本增大的情况下相应计算机复杂度剧增、内存占用量大的缺陷,在对标准的KCCA特征提取方法分析推导的基础上,提出了一种改进的核函数特征提取方法。该方法首先根据特征值的大小对训练样本重要程度进行判断,进而完成对应特征向量的提取;然后通过与SVDD分类器的结合,在对图像识别率影响不大的情况下,提升了对图像特征提取的效率,节省了系统的存储量;最后通过在Yale标准人脸库上进行仿真对比实验,验证了该方法的可行性,从而为提高图像模式识别效率提供了一种有效的途径。