基于特征學(xué)習(xí)與相似度度量學(xué)習(xí)的人臉確認(rèn)研究.pdf

1、人臉識(shí)別技術(shù)分為人臉辨識(shí)和人臉確認(rèn)兩類不同的任務(wù)，人臉確認(rèn)指的是預(yù)測(cè)一對(duì)人臉圖像是否表示同一個(gè)人。在無(wú)約束條件下，受復(fù)雜背景、人臉表情、姿勢(shì)以及光照等影響，人臉圖像較大的類內(nèi)變化已成為人臉確認(rèn)研究的主要挑戰(zhàn)。針對(duì)無(wú)約束條件下的人臉確認(rèn)問(wèn)題，圍繞相應(yīng)的特征提取與度量學(xué)習(xí)方法展開研究，本文具體工作如下：
　?。?）在特征提取方面，本文利用無(wú)監(jiān)督特征學(xué)習(xí)的思想，實(shí)現(xiàn)了人臉局部特征的自動(dòng)提取。首先，給定的人臉圖像塊訓(xùn)練集，基于自稀疏編碼器

2、學(xué)習(xí)一系列局部濾波算子（Sparse Auto-Encoder Based Local Descriptor, SAELD），與傳統(tǒng)的手工特征相比，學(xué)習(xí)的濾波算子具有更好的魯棒性和判別性。然后，基于學(xué)習(xí)的濾波算子對(duì)每幅圖像進(jìn)行卷積操作以及非線性映射，從而獲得豐富的空間信息。為去除冗余信息，本文對(duì)卷積圖像進(jìn)行池化操作并采用白化主成分分析進(jìn)一步降低特征維度，同時(shí)噪聲得到抑制。最后本文結(jié)合相似度度量模型完成人臉確認(rèn)任務(wù)，在LFW（Labele

3、d Faces in the Wild）數(shù)據(jù)集上驗(yàn)證了本文所提出的特征提取方法的有效性。
　?。?）在度量學(xué)習(xí)方面，本文提出了一種加權(quán)子空間相似度度量學(xué)習(xí)方法。首先在類內(nèi)人臉對(duì)上具有權(quán)重的類內(nèi)協(xié)方差矩陣，從而得到具有魯棒性的類內(nèi)子空間。將人臉特征投影到類內(nèi)子空間，降低人臉特征的類內(nèi)變化。然后，本文將人臉對(duì)的先驗(yàn)信息加入到相似度度量模型中，并改進(jìn)了正則項(xiàng)函數(shù)，從而確保學(xué)習(xí)的距離度量具有類內(nèi)魯棒性和類間判別性。最后，根據(jù)結(jié)合學(xué)習(xí)的距離