利用协方差矩阵法表示深度图像集的鲁棒人脸识别

发布时间：2017-09-17 14:35

  本文关键词：利用协方差矩阵法表示深度图像集的鲁棒人脸识别

  更多相关文章： 深度图像 人脸识别 图像集 协方差矩阵法 黎曼流形

【摘要】：针对深度图像集人脸识别的鲁棒性问题,提出将多幅Kinect图像作为一个图像集,Kinect捕获的原始深度数据可用于姿态估计以及人脸区域的自动裁剪。首先,将图像集划分到c个图像子集,子集中的所有图像划分为4×4的图像块;然后,将图像集中的图像模拟为图像块,按照姿势划分,每个子集使用协方差矩阵法表示;最后,在黎曼流形上模拟子集图像,为了分类,黎曼流形的每个图像子集分别学习支持向量机模型,并引入一种融合方法来合并所有图像子集的结果。在三个最大的公开Kinect人脸数据集Curtin Faces、Biwi Kinect和UWA Kinect上的实验结果验证了该方法的有效性,与其他较先进的方法相比,识别率有较大提升,标准差保持较低,对图像集数量、图像子集划分数量和空间分辨率具有较好的鲁棒性。
【作者单位】： 郑州大学软件与应用科技学院;东南大学计算机科学与工程学院;
【关键词】： 深度图像 人脸识别 图像集 协方差矩阵法 黎曼流形
【基金】：国家自然科学基金资助项目(U1304107) 河南省科技攻关资助项目(142102210500,122102210518) 河南省教育厅高等学校重点科研资助项目(15A520029)
【分类号】：TP391.41
【正文快照】： 0引言传统意义上的人脸识别可以认为是一种简单的基于图像的分类问题[1]。随着技术发展以及视频捕捉成本的下降,单个人的多张图像容易获得,如视频监控系统、多摄像机网络和图像采集的多视点图像。3D数据形式是有效处理姿势变化的重要途径,而通过低成本3D图像捕捉设备,可以高效，

本文编号：869997