本文關(guān)鍵詞：利用協(xié)方差矩陣法表示深度圖像集的魯棒人臉識(shí)別

  更多相關(guān)文章： 深度圖像 人臉識(shí)別 圖像集 協(xié)方差矩陣法 黎曼流形

【摘要】：針對(duì)深度圖像集人臉識(shí)別的魯棒性問題,提出將多幅Kinect圖像作為一個(gè)圖像集,Kinect捕獲的原始深度數(shù)據(jù)可用于姿態(tài)估計(jì)以及人臉區(qū)域的自動(dòng)裁剪。首先,將圖像集劃分到c個(gè)圖像子集,子集中的所有圖像劃分為4×4的圖像塊;然后,將圖像集中的圖像模擬為圖像塊,按照姿勢(shì)劃分,每個(gè)子集使用協(xié)方差矩陣法表示;最后,在黎曼流形上模擬子集圖像,為了分類,黎曼流形的每個(gè)圖像子集分別學(xué)習(xí)支持向量機(jī)模型,并引入一種融合方法來合并所有圖像子集的結(jié)果。在三個(gè)最大的公開Kinect人臉數(shù)據(jù)集Curtin Faces、Biwi Kinect和UWA Kinect上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性,與其他較先進(jìn)的方法相比,識(shí)別率有較大提升,標(biāo)準(zhǔn)差保持較低,對(duì)圖像集數(shù)量、圖像子集劃分?jǐn)?shù)量和空間分辨率具有較好的魯棒性。
【作者單位】： 鄭州大學(xué)軟件與應(yīng)用科技學(xué)院;東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 深度圖像 人臉識(shí)別 圖像集 協(xié)方差矩陣法 黎曼流形
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(U1304107) 河南省科技攻關(guān)資助項(xiàng)目(142102210500,122102210518) 河南省教育廳高等學(xué)校重點(diǎn)科研資助項(xiàng)目(15A520029)
【分類號(hào)】：TP391.41
【正文快照】： 0引言傳統(tǒng)意義上的人臉識(shí)別可以認(rèn)為是一種簡(jiǎn)單的基于圖像的分類問題[1]。隨著技術(shù)發(fā)展以及視頻捕捉成本的下降,單個(gè)人的多張圖像容易獲得,如視頻監(jiān)控系統(tǒng)、多攝像機(jī)網(wǎng)絡(luò)和圖像采集的多視點(diǎn)圖像。3D數(shù)據(jù)形式是有效處理姿勢(shì)變化的重要途徑,而通過低成本3D圖像捕捉設(shè)備,可以高效，

本文編號(hào)：869997