本文選題：人臉識別 + 子空間回歸　； 參考：《計(jì)算機(jī)學(xué)報》2018年01期

【摘要】：有遮擋人臉識別是面向現(xiàn)實(shí)的人臉識別系統(tǒng)需要重點(diǎn)解決的問題,其困難性主要體現(xiàn)在由遮擋所引發(fā)的特征損失、對準(zhǔn)誤差和局部混疊等方面.該文從魯棒分類器的設(shè)計(jì)和魯棒特征提取兩方面回顧了現(xiàn)有的方法.充分利用人臉圖像和遮擋自身所固有的結(jié)構(gòu)來表示、抑制或消除遮擋或由遮擋引發(fā)的誤差是目前設(shè)計(jì)魯棒分類器的關(guān)鍵思路.從子空間回歸的角度回顧了主流的線性回歸分類器處理遮擋問題的一般方法:協(xié)同表示、遮擋的字典表示及遮擋字典的學(xué)習(xí)和壓縮技術(shù);從結(jié)構(gòu)化誤差編碼的角度回顧了基于人臉圖像低秩結(jié)構(gòu)的誤差編碼方法和將遮擋的空間結(jié)構(gòu)嵌入重構(gòu)誤差的編碼方法;從噪聲抑制和遮擋檢測兩方面回顧了現(xiàn)有的迭代重權(quán)誤差編碼方法.文中強(qiáng)調(diào)特征提取對于解決有遮擋人臉識別問題的重要性,總結(jié)了魯棒特征提取的基本要素,深入分析了以圖像梯度方向和韋伯臉為代表的"淺層"特征所引發(fā)的零和差異現(xiàn)象、以PCANet為代表的將卷積神經(jīng)網(wǎng)絡(luò)與經(jīng)典的"特征圖-模式圖-柱狀圖"特征提取框架相結(jié)合的編碼原理,以及以DeepID為代表的卷積神經(jīng)網(wǎng)絡(luò)所生成的"深度"特征所具有的遮擋不變性及其所蘊(yùn)含的編碼準(zhǔn)則.在Extended Yale B、AR和LFW等三個基準(zhǔn)數(shù)據(jù)庫上對現(xiàn)有方法的有效性進(jìn)行了大規(guī)模測試,指出了現(xiàn)有方法的適用面及局限性.最后指出了有遮擋人臉識別給計(jì)算機(jī)視覺帶來的挑戰(zhàn)、現(xiàn)有方法在優(yōu)化算法和特征提取方面存在的主要問題以及未來利用卷積神經(jīng)網(wǎng)絡(luò)處理遮擋問題需重點(diǎn)考慮的問題.
[Abstract]:Face recognition with occlusion is an important problem to be solved in a realistic face recognition system. Its difficulty is mainly reflected in the feature loss caused by occlusion, alignment error and local aliasing. This paper reviews the existing methods in terms of robust classifier design and robust feature extraction. Using fully the inherent structure of face image and occlusion itself, the key idea of designing robust classifier is to suppress or eliminate the occlusion or the error caused by occlusion. From the point of view of subspace regression, the general methods of mainstream linear regression classifier to deal with occlusion are reviewed: collaborative representation, dictionary representation of occlusion and learning and compression techniques of occlusion dictionary; From the point of view of structured error coding, the error coding method based on low rank structure of face image and the coding method of embedding occluded spatial structure into reconstruction error are reviewed. The existing iterative weighted error coding methods are reviewed from the aspects of noise suppression and occlusion detection. This paper emphasizes the importance of feature extraction in solving the problem of shaded face recognition, and summarizes the basic elements of robust feature extraction. The zero-sum difference caused by the "shallow" features, represented by the gradient direction of the image and the Weber face, is analyzed in depth. The coding principle of combining convolutional neural network with the classical feature extraction framework of "feature graph-pattern graph-bar graph", represented by PCANet, is proposed. The occlusion invariance of the "depth" feature generated by the convolution neural network represented by DeepID and its encoding criterion are also discussed. The validity of the existing methods is tested on the basis of three benchmark databases, Extended Yale Bearar and LFW, and the applicability and limitation of the existing methods are pointed out. Finally, it points out the challenge to computer vision caused by face recognition with occlusion, the main problems existing in the existing methods in optimization algorithm and feature extraction, and the problems that need to be considered in the future using convolution neural network to deal with occlusion problem.
【作者單位】： 浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金(61402411,61379017,61672464) 浙江省自然科學(xué)基金(LY18F020031,LY17F020021)資助~~
【分類號】：TP181;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒士新;張妍;;基于子空間約束的穩(wěn)健匹配場定位[J];計(jì)算機(jī)仿真;2010年01期

2 何大治;謝步瀛;;基于子空間模型的人員疏散路徑選擇[J];東華大學(xué)學(xué)報(自然科學(xué)版);2007年03期

3 錢誠;張三元;;適用于目標(biāo)跟蹤的加權(quán)增量子空間學(xué)習(xí)算法[J];浙江大學(xué)學(xué)報(工學(xué)版);2011年12期

4 李勇周;羅大庸;劉少強(qiáng);;空間光滑且完整的子空間學(xué)習(xí)算法[J];模式識別與人工智能;2009年03期

5 閔鋒;魯統(tǒng)偉;鄒旭;;自適應(yīng)子空間選擇方法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年10期

6 宗瑜;江賀;張彥春;李明楚;;一種可信子空間標(biāo)志方法[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

7 程強(qiáng);陳秀宏;;局部非參數(shù)子空間分析在人臉識別中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年03期

8 周學(xué)君;彭錦;;應(yīng)用子空間信息準(zhǔn)則選擇模型參數(shù)[J];蘭州理工大學(xué)學(xué)報;2007年04期

9 張瑜;袁書娟;楊愛民;;Krylov子空間上并行預(yù)校GMRES(m)算法的研究[J];微電子學(xué)與計(jì)算機(jī);2009年09期

10 石橋勝,段立娟;查詢子空間在圖像檢索中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2002年20期

相關(guān)會議論文 前10條

1 張瑜;袁書娟;楊愛民;;Krylov子空間上并行預(yù)校GMRES(m)算法的研究[A];2009年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2009年

2 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

3 薛燕;李建良;朱學(xué)芳;;人臉識別中特征提取的一種改進(jìn)方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

4 杜栓平;曹正良;;時間—頻率域特征提取及其應(yīng)用[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

5 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動目標(biāo)的分割與特征提取[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

6 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 杜栓平;丁烽;楊華;;基于小波系數(shù)聚類的特征提取器[A];中國聲學(xué)學(xué)會2002年全國聲學(xué)學(xué)術(shù)會議論文集[C];2002年

8 白真龍;霍強(qiáng);;在聯(lián)機(jī)手寫中文識別中一種針對8方向特征提取的改進(jìn)算法[A];中文信息處理前沿進(jìn)展——中國中文信息學(xué)會二十五周年學(xué)術(shù)會議論文集[C];2006年

9 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

10 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗(yàn)證對象集分類器的再訓(xùn)練演進(jìn)[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

相關(guān)博士學(xué)位論文 前10條

1 張杰;有引導(dǎo)的低秩表示及其在數(shù)字幾何中的應(yīng)用[D];大連理工大學(xué);2015年

2 唐科威;數(shù)據(jù)的子空間與流形結(jié)構(gòu)分析方法[D];大連理工大學(xué);2015年

3 黃震華;子空間SKYLINE查詢?nèi)舾申P(guān)鍵問題的研究[D];復(fù)旦大學(xué);2008年

4 易軍;人臉識別中的特征提取與度量學(xué)習(xí)算法研究[D];北京郵電大學(xué);2015年

5 陳超;復(fù)雜光照條件下的人臉識別方法研究[D];浙江大學(xué);2016年

6 苗捷;時空特征提取方法研究[D];華南理工大學(xué);2016年

7 譚文學(xué);基于機(jī)器學(xué)習(xí)的作物病害圖像處理及病變識別方法研究[D];北京工業(yè)大學(xué);2016年

8 彭藝;面向可視化的特征提取、簡化與追蹤[D];清華大學(xué);2015年

9 王勝;基于子空間的特征提取與融合算法研究[D];南京理工大學(xué);2016年

10 杜建衛(wèi);希爾伯特黃變換方法及其在特征提取中的應(yīng)用研究[D];北京科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 程金旭;二維系統(tǒng)的子空間辨識算法研究及軟件開發(fā)[D];北京化工大學(xué);2016年

2 蔡磊;多視角局部子空間學(xué)習(xí)方法研究[D];大連理工大學(xué);2016年

3 譚坤;快速子空間追蹤算法研究[D];電子科技大學(xué);2010年

4 鄭重;線性算子的局部線性相關(guān)性[D];吉林大學(xué);2009年

5 張健飛;子空間分類算法研究及應(yīng)用[D];福建師范大學(xué);2013年

6 王永飛;子空間學(xué)習(xí)在基于Kinect的場景分類中的應(yīng)用[D];華南理工大學(xué);2014年

7 楊小花;針對西夏文字識別的特征提取及分類器研究[D];寧夏大學(xué);2017年

8 崔佳;基于子空間的人臉識別及性能分析[D];西安電子科技大學(xué);2011年

9 湯鵬;基于LDA的特征提取及其在人臉識別中的應(yīng)用[D];河北大學(xué);2015年

10 安磊磊;基于改進(jìn)PCA和LDA的特征提取方法[D];河北大學(xué);2015年

，

本文編號：1988515