|
|||||
|
|
| 人脸识别中的"误配准灾难"问题研究 | |
| 引用本文： | 山世光,高文,唱轶钲,曹波,陈熙霖.人脸识别中的"误配准灾难"问题研究[J].计算机学报,2005,28(5):782-791. |
| 作者姓名： | 山世光 高文 唱轶钲 曹波 陈熙霖 |
| 作者单位： | 1. 中国科学院计算技术研究所银晨科技面像识别联合实验室,北京,100080 2. 中国科学院计算技术研究所银晨科技面像识别联合实验室,北京,100080;哈尔滨工业大学计算机学院,哈尔滨,150001 3. 哈尔滨工业大学计算机学院,哈尔滨,150001 |
| 基金项目： | 本课题得到国家自然科学基金(60332010)、国家"八六三"高技术研究发展计划项目基金(2002AA118010)和银晨智能识别科技有限公司的大力资助. |
| 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．该文作者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,作者对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——称这一现象为“误配准灾难”问题．针对此问题,作者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地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 |
"Curse of Mis-Alignment" Problem in Face Recognition |
|
| SHAN Shi-guang,GAO Wen,CHANG Yi-Zheng,Cao Bo,CHEN Xi-lin."Curse of Mis-Alignment" Problem in Face Recognition[J].Chinese Journal of Computers,2005,28(5):782-791. | |
| Authors: | SHAN Shi-guang GAO Wen CHANG Yi-Zheng Cao Bo CHEN Xi-lin |
| Affiliation: | SHAN Shi-Guang~1) GAO Wen~1),2) CHANG Yi-Zheng~2) CAO Bo~1) CHEN Xi-Lin~1),2) ~1) |
| Abstract: | |
| Keywords: | face recognition feature alignment linear discriminant analysis curse of mis-alignment perturbation learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |