基于度量學(xué)習(xí)的陌生人臉認(rèn)證算法研究.pdf

1、本文研究在非約束環(huán)境下的陌生人臉認(rèn)證問題。非約束環(huán)境，即人臉認(rèn)證的表現(xiàn)試圖做到不受光照、人臉姿態(tài)的影響。陌生人臉認(rèn)證，即給定兩張在訓(xùn)練集中從未出現(xiàn)過的人的人臉照片，判斷這一對照片，是否代表同一個人。即陌生人臉圖片匹配問題。
　　這一問題的理論價值在于，對陌生人臉認(rèn)證問題的解決，能幫助解決許多其他人臉認(rèn)證相關(guān)問題。如安保中的犯罪人臉辨識，可以將搜尋嫌疑人身份的問題轉(zhuǎn)化為將嫌疑人人臉照片與數(shù)據(jù)庫中所有人逐個進(jìn)行陌生人臉配對的問題。

2、r>　　這一問題的應(yīng)用價值在于，如果能夠做到在非約束環(huán)境下，即光照姿態(tài)無關(guān)的情況下識別未經(jīng)訓(xùn)練的陌生人臉圖片對，就能為人臉識別技術(shù)擴(kuò)展應(yīng)用場景，并增強(qiáng)魯棒性。如，在智能家庭電視環(huán)境下，只要客人出現(xiàn)在電視機(jī)周圍第二次，就能記得此人上次曾經(jīng)造訪過，并打招呼，而不必進(jìn)行登記注冊等繁瑣過程，更顯人性化。
　　這一問題本身的特性在于，由于測試集中的人完全不會出現(xiàn)在訓(xùn)練集中，且潛在要求配對判斷的總測試樣本可能遠(yuǎn)大于訓(xùn)練集，因此很難通過對同一個

3、人具體的面部特征進(jìn)行建模從而識別，而是要像人一樣直接將兩幅圖片進(jìn)行比對。也即需要學(xué)到一把衡量人臉的“尺子”。這被稱之為度量學(xué)習(xí)。
　　研究這一問題的難點(diǎn)在于，其一，對人臉共同特質(zhì)的有效提取和學(xué)習(xí);其二，對樣本中不同人的人臉照片共有特性的忽略;其三，對樣本中同一個人在不同照片中差異性的魯棒性;其四，在非約束環(huán)境下對其一到其三的有效實(shí)現(xiàn)。
　　本文對其展開研究的主要步驟是，在前人工作的基礎(chǔ)上，以相似度度量學(xué)習(xí)為計算量副人臉圖片距

4、離的主要思路，先從預(yù)處理的角度采用基于SIFT特征的圖片融合算法Congealing，進(jìn)行無監(jiān)督的圖片對齊，降低人臉姿態(tài)對人臉認(rèn)證的影響。爾后，對圖片直接計算SIFT特征，用PCA降維后，再用GMM壓縮后，計算馬氏距離矩陣所對應(yīng)的投影矩陣，將高維的圖片特征向量投影為低維的特征向量，并采用線性SVM對由兩張圖片的低維向量的差組成的特征點(diǎn)進(jìn)行分類，實(shí)現(xiàn)對陌生人連認(rèn)證問題的解決。經(jīng)過實(shí)驗(yàn)驗(yàn)證，相對于基準(zhǔn)算法Nowak提出的度量學(xué)習(xí)方法有一定程