资源描述：
《基于维度加权马氏距离的视频人脸识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、《自动化与仪器仪表》2017年第9期(总第215期)*基于维度加权马氏距离的视频人脸识别赵锡英,曾贤灏(兰州工业学院软件工程学院甘肃兰州,730050)摘要:针对人脸识别中图像集中附加信息利用率较低的问题,设计了一种维度加权的马氏距离度量方法,首先利用大间距架构中数据之间的相似关系来对马氏距离度量进行学习,再对其进行维度加权并结合K近邻分类器完进行人脸分类。结果表明:该方法在YouTube明星数据集上进行视频人脸识别的效果优于其它方法。关键词:加权;距离度量学习;视频人脸识别;马氏距离中图分类号:TP391文献标识码:ADOI编码:10.1
2、4016/j.cnki.1001-9227.2017.09.017Abstract:Inordertosolvetheproblemoflowutilizationratioofadditionalinformationinfacerecognition,adimensionweightedMa-halanobisdistancemeasurementmethodisproposedFirstly,theMahalanobisdistancemetricisstudiedbyusingthesimilaritybetweenthedatai
3、nthelargespacestructure.ThenWithMahalanobisdistancemetricisweighted,theKnearestneighborclassifierisusedtoclassifythefaceTheresultsshowthattheproposedmethodissuperiortoothermethodsinvideofacerecognitiononYouTubedataset.Keywords:weighting;distancemetriclearning;videofacereco
4、gnition;mahalanobisdistance0引言1自适应距离度量学习几何集距离方法是现在研究比较热的方法,而且在图像1.1基本假设集的分类中有特别突出的表现。该方法的流程为先将图像集假设人脸集是通过三元组(μ,U,X)来表示的,相应两个抽象建模成一个高维特征空间中的某种简单几何结构,我们人脸集S和S间的马氏距离定义为:abba2baTba称为仿射包或者叫凸包。它和其它方法的不同之处在于它是D(S,S)=N-N=(N-N)M(N-N)(1)MababMabab在动态搜索两个集的仿射包或凸包上的最近点,并且测量最其中,Nb和Na分别
5、为从相应集的最近点,为了监督相应ab近点间的距离,这会由于最近点产生的任意性而在实际中产马氏距离的合法性,上式中矩阵M必须为半正定(M≥0),欧生不存在的人脸。氏距离是马氏距离中M为单位矩阵的特殊情况。现有的距离度量学习大多都使用相对比较简单的欧氏度我们将查询集匹配到图库中的每个人脸集,分别提取出量来测量集间的距离,在这些已有方法中有一些是为了改进他们的最近点(Nb和Na),激活用于生成集的样本,其活跃样ab转换特征空间中的判别能力而学习其样本图像的线性变换,本是对应系数非零的样本:这也等价于度量。很多学者对改进度量学习进行了研究,像X^=
6、{xα*(i)≠0}(2)iWangR在典型相关分析法中提出了一种迭代方法能够寻找其中,x为集的第i个样本,而α*(i)为α*的第i个元i[2]可以保留判别信息的最优的变换。王仕民等为了能够更好素,除此以外,应提取出固定数目的有最大系数的样本,假设的进行分类,找出一种将常规图嵌入流形数据的方式来寻找用Γ表示最近点和集中的活跃样本,分别收集无标记查询集[3]嵌入空间。吕清秀等提出一种使用无标记背景样本的基于a和所有的图库集b之间的(Γ,Γ)对,再学习查询集特定的ab判别性学习学习一镜头相似度(One在ShotSimilarity,OSS)度马
7、氏距离。Γ为从相应的图库集中继承的标记,而查询集的b量和二镜头相似度(Two-ShotSimilarity,TSS)度量。这些度标记Γ是未知的。a量方法的特点都是在局部进行优化,通常情况下从局部的内1.2本文意图容信息来学习局部距离的方式要优于学习单个的全局度在实际中由于数据的绝对量,现有的基于单图像的度量[4-6][7]量,而且通常无标记数据的半监督度量学习性能要优学习技术被直接应用于图像集中是不可能的,相应的实现所于有监督度量学习。但是,上述这些方法全都仅使用标记训有集学习一个单个全局度量不能在整个特征空间上持续实现练数据学习,这样便无
8、法保证特征空间的每个位置上的性能。良好的性能。本文特为图像集分类定制了一种距离度量学习因此本文提出一种维度加权马氏距离的自适应距离度量的方式,在匹配过程中自适应性的学习查询集特定
