压缩感知集成分类器设计研究

Face Recognition is a research challenge in Pattern recognition and has important theoretical significance and practical applications. In the previous project sponsored by NSFC, we successfully complete the original plan, and publish 6 distinguished international journals with 2 top ones, as well as several excellent conference papers (such as CVPR). We did innovative work on feature representation and classifier design.. This proposal is mainly focusing on the problem of classifier design. We plan to introduce: 1) compressed sensing theory, 2) VC-dimension minimization, and 3) relevance minimization towards optimal classifier construction. We also plan to employ the transfer learning theory which can enable the training set derived classifier adaptive to the distribution variation of the test set, as well as the parameterized classifier fusion approach which can further improve the classifier performance. The output of this proposal will be applied to face detection, eye localization, and face recognition. Through extensive experimental justification and system integration, a highly effective and robust face recognition system is expected to be implemented.

人脸识别是模式识别领域的经典研究问题，具有重要的理论意义和广阔的应用前景。申请人成功地完成了国家自然科学基金青年基金项的主要研究内容，发表了6篇国际期刊论文以及多个著名的国际会议论文，其中包括了IEEE Trans. Image Processing，IEEE Trans. CSVT 及CVPR。在特征表示及分类器设计方面进行了创新。. 高性能分类器设计是人脸及其他目标识别的核心关键问题之一，受到模式识别、机器学习领域的广泛重视。本课题主要研究新型集成分类器的构建，拟引入压缩感知理论、VC维最小化、相关性最小化等概念进行分类器设计。还将探讨基于迁移学习的分类器设计方法，使得分类器能够适应测试集合样本分布的变化，为实际应用提供理论支撑。本课题的成果将在人脸检测、眼睛定位、人脸识别等上进行应用，并经过大量的实验验证，从而进行系统集成来构建高效的人脸识别系统。

高性能分类器设计是模式识别的核心关键问题之一，受到模式识别、机器学习领域的广泛重视。本课题主要研究内容包括集成分类器的构建以及应用，拟引入压缩感知理论、相关性最小化、不确定性原理等概念进行分类器设计。本课题还探讨了基于迁移学习的分类器设计方法，使得分类器能够适应测试集合样本分布的变化，为实际应用提供理论支撑。并在人脸识别、目标检测、跟踪以及行为识别等领域进行应用。. 1）提出了基于稀疏性的分类器构建方法。提出基于稀疏回归分析的方法提高现有SRC方法的性能，该方法能够在小样本的情况取得大幅度的性能提高。进一步提出基于集成学习的稀疏性分类器构建策略，不同于传统的分类器集成方式，通过形式化我们得到了次优化表示形式。在人脸、掌纹识别、人体检测进行大量实验验证。. 2）提出基于流形约束迁移MCT方法，在国际上(CVPR2015)首次证明：当变量和数据之间存在线性关系时，数据上的流形结构可以迁移到变量求解上。在Google Scholar上引用次数达到21次。 在人脸识别等领域进行了成功的应用。. 3）基于Margin上样本混合高斯分布这一更加合理的假设，我们提出了MBC分类器融合方法，可以有效的集成ELM分类器，成功用于解决行为识别问题，在多个开放数据库上获得最好识别性能。. 4)提出了多高斯不确定性理论、以及基于局部运动模型的在线学习方法，相关论文发表在著名国际期刊IJCV（顶刊），IEEE TCSVT，IEEE TSMC:Systems上。其中IJCV上论文引用已经达到17次。. 5）提出基于G学习的多无人机航路规划算法，并证明其可达性。相关论文发表在控制领域的顶刊Automatica上。进一步我们提出基于航空背景的视频目标检测与跟踪，搭建完整的实验平台。. 在自然基金项目的支持下，共发表论文21篇，其中SCI检索论文13篇，国内外会议论文共计8篇。比较代表性的论文包括视觉顶刊IJCV，知名国际期刊IEEE Transactions 2篇、Pattern recognition等。另外还有顶级国际会议CVPR、IJCAI等。项目负责人获得2013年度教育部新世纪优秀人才计划支持。2015年获得省部级二等奖一项（排名第一）。