基于稀疏视觉特征学习的真实环境人脸识别研究

With the widely uses of digital products and smart phones,the real-world face images become more and more easier to obtain. Thus, there has been an emerging market demand on how to use these images. One of the effective techniques to solve this problem is the robust face recognition algorithms that are able to deal with real-world face images..One of the difficult but important points in the real-world face recognition research is on how to extract the visual features robust to the facial and circustant variations.Based on the results in visual perception, this research discusses the real-world face recognition problems encountered in basic applications and aims to build the sparse visual perception model for real-world face recognition, to extract the salient features and gist features, and to learn the sparse visual features..The creavities of this research are as follows: (1) design a selection criterion on early visual features based on granular computing and build a visual perception computing model to fit the real-world conditions encountered in face recognition;(2)propose the concepts on the salient features and the gist features of the real-world face images and present the algorithms on how to extract these features; (3) propose a novel sparse visual feature learning algorithm for discrimination. The purposes of this research are to build the basic algorithms and related techniques for real-world face recognition, and to provide the new ways for the other systems to deal with the complex circumstances with strong adaptive abilities.

随着数码产品、智能手机的普及，人脸图像数据越来越容易获得，如何利用好这些图像信息有着迫切的市场需求，真实环境人脸识别技术是解决该需求的有效方法之一。.真实环境人脸识别技术研究的难点和重点之一是如何抽取一种对真实环境人脸自身变化和摄影环境变化鲁棒的视觉特征。本项目以建立基于真实环境人脸的视觉感知计算模型、提取真实环境人脸的显著特征和Gist特征和稀疏视觉特征学习为主要攻关内容，借鉴视觉感知领域的研究成果，对真实环境人脸识别问题进行应用基础研究探讨。.本项目的创新之处是：（1）设计一种基于粒计算思想的初级视觉筛选规则，构建一种新的适合真实环境人脸的视觉感知计算模型；（2）提出真实环境人脸的显著特征和Gist特征概念并给出相应特征抽取算法；（3）提出一种稀疏视觉特征学习算法进行鉴别分析。本项目的开展将为真实环境人脸识别奠定理论和技术基础，并为其他系统对复杂环境的自适应能力提高提供新的参考方法。

随着数码产品、智能手机的普及，人脸图像数据越来越容易获得，如何利用好这些图像信息有着迫切的市场需求，真实环境人脸识别技术是解决该需求的有效方法之一。真实环境人脸识别技术研究的难点和重点之一是如何抽取一种对真实环境人脸自身变化和摄影环境变化鲁棒的视觉特征。. 本项目从稀疏视觉特征学习的角度，对真实环境人脸识别问题进行应用基础研究探讨，主要取的以下研究成果：. 1、 针对真实环境彩色人脸图像存在大量信息冗余的问题，从鉴别特征抽取角度出发，提出针对彩色人脸图像的二维不相关鉴别特征抽取算法；该算法可以在降低信息冗余度的同时，提取人脸空间结构特征； . 2、 针对真实环境彩色人脸图像中大量图像没有标签信息的问题，本项目从主成分分析角度出发，提出针对彩色人脸图像的二维不相关主成分特征抽取算法；. 3、针对现实环境人脸识别中的小样本问题，本项目从流形学习角度出发，提出了一种图嵌入的鉴别分析方法。该方法提供一种多流形学习线性近似的新方法；. 4、从校准技术角度，系统分析了流行机器学习方法的多线性扩展问题，提出了通用的稀疏校准张量学习框架。不同与传统的张量学习方法，在该框架中，引入了L1和L2范数，设计了基于稀疏校准的准则函数，并给出了显式解。详细分析算法复杂度。从实验效果来，该方法得到的特征更加鲁棒和高效；. 5、提出了自适应性慢特征鉴别分析方法由于对数据分布结构的未知，慢特征鉴别分析方法并不能充分利用数据中的鉴别信息。针对这个问题，我们提出了自适应性慢特征鉴别分析方法。首先设计了自适应准则构造类内时间序列；其次通过最小化类内时间序列方差和最大化类间时间序列方法够着优化函数；. 6、提出了基于贝叶斯网络的协同控制算法针对监控视频中的行人检测和行人跟踪的问题，提出了基于贝叶斯网络的多摄像头协同控制算法优化摄像头架设的位置，通过adboost算法提取了多层级行人局部混合特征从而提高行人跟踪的精度。. 本项目的开展将为真实环境人脸识别奠定理论和技术基础，并为其他系统对复杂环境的自适应能力提高提供新的参考方法。