基于神經(jīng)網(wǎng)絡(luò)集成的多視角人臉識(shí)別.pdf

《基于神經(jīng)網(wǎng)絡(luò)集成的多視角人臉識(shí)別.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、第38卷第10期計(jì)算機(jī)研究與發(fā)展VOl38,NO102001年10月JOURNALOFCOMPUTERRESEARCH8DEVELOPMENTOct.2001基于神經(jīng)網(wǎng)絡(luò)集成的多視角人臉識(shí)別周志華皇甫杰@張宏江陳祖翰@(南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室南京210093>@(卡內(nèi)基梅隆大學(xué)電子與計(jì)算機(jī)工程系匹茲堡美國(guó)>(微軟中國(guó)研究院北京100080>(zhOuzh@nju.edu.cn>摘要人臉在圖像深度方向上發(fā)生偏轉(zhuǎn)時(shí),即使同一對(duì)象的人臉圖像也會(huì)發(fā)生極大的變化.在此,將神經(jīng)網(wǎng)絡(luò)集成應(yīng)用于多視角人臉

2、識(shí)別,所用的人臉特征通過(guò)多視角特征臉?lè)治霁@得.為每一視角的特征空間各訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò),并利用另一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行結(jié)合.利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)集成進(jìn)行識(shí)別時(shí)不僅不需進(jìn)行偏轉(zhuǎn)角度估計(jì)預(yù)處理,而且還可以在給出識(shí)別結(jié)果的同時(shí)給出角度估計(jì)信息.實(shí)驗(yàn)結(jié)果表明,該方法的識(shí)別精度高于根據(jù)精確的偏轉(zhuǎn)角度估計(jì)信息挑選最佳單一神經(jīng)網(wǎng)絡(luò)所能達(dá)到的效果.關(guān)鍵詞神經(jīng)網(wǎng)絡(luò),人臉識(shí)別,神經(jīng)網(wǎng)絡(luò)集成,特征臉,多視角中圖法分類(lèi)號(hào)TP18VIEW-INVARIANTFAEREOGNITIONBASEDONNEURALNETWORENSEMBL

3、E@@ZHOUZhi-Hua,HUANGFuJie,ZHANGHOng-Jiang,andCHENTsuhan(NCtz0nClLCb07Ct07yf07N0uelS0ftUC7eTeChn0l0gy,NCnjzngUnzue7Szty,NCnjzng210093>@(EleCt7zCClCncC0mpute7Engznee7zngepC7tment,CC7negzeMell0nUnzue7Szty,PzttSbu7gh,PA,USA>(MzC70S0ftReSeC7ChChznC,Bezjzng1000

4、80>AbstractWhenhumanfacesrOtateinimagedepth,eVenthefacesOfthesamepersOnappearWithgreatVariances.Inthispaper,neuralnetWOrkensembleisappliedtOVieW-inVariantfacerecOgnitiOn.ThefacialfeaturesusedareeXtractedthrOughVieW-specificeigenfaceanalysis.SeVeralneuraln

5、etWOrksaretrained,eachfOraneigenspaceOfdifferentVieWs,andtheirresultsarecOmbinedWithanOtherneuralnetWOrk.Aftertheensembleistrained,VieWestimatiOnisnOtreguiredfOrrecOgnitiOn.MOreOVer,WhenneWfacesarefed,theensembleWillnOtOnlygiVetherecOgnitiOnresultbutalsOp

6、resentanestimatedVieWinfOrmatiOn.EXperimentalresultsshOWthattherecOgnitiOnaccuracyOftheprOpOsedapprOachisbetterthanthatOfthebestindiVidualneuralnetWOrkselectedaccOrdingtOtheinfOrmatiOnprOVidedbyanaccuratefrOnt-endVieWestimatiOnprOcess.eywordsneuralnetWOrk

7、s,facerecOgnitiOn,neuralnetWOrkensemble,eigenface,VieW-inVariant原稿收到日期:2000-07-13;修改稿收到日期:2001-07-10本課題得到江蘇省自然科學(xué)基金資助(BK2001406>本文工作在微軟中國(guó)研究院完成10期周志華等:基于神經(jīng)網(wǎng)絡(luò)集成的多視角人臉識(shí)別1205轉(zhuǎn)角度的物體[9].但研究表明.使用多個(gè)特征空間可以取得更好的效果[10]1引言.有鑒于此.我們按照Pentlanc等人的方法[10]建立了多視角特征空間.即為每一個(gè)近20

8、年來(lái).很多研究者對(duì)人臉識(shí)別進(jìn)行了深入視角建立一個(gè)優(yōu)化基向量集.即特征臉集.如圖1的研究.并提出了很多有效的方法[1]所示..其中神經(jīng)網(wǎng)絡(luò)技術(shù)得到了廣泛的應(yīng)用.并被認(rèn)為是一種優(yōu)于非連接主義方法的較好的選擇[2].因此.把神經(jīng)網(wǎng)絡(luò)領(lǐng)域的最新成果應(yīng)用于人臉識(shí)別.將會(huì)極大地促進(jìn)后者的發(fā)展.自從Hansen和Salamon[3]提出神經(jīng)網(wǎng)絡(luò)集成(neuralnetworkensembleD之后.該技術(shù)已被成功地應(yīng)用于很多領(lǐng)域中.如手寫(xiě)體